可以有效进行稳定同位素溯源分析，并对各个来源进行定量分析

顶点成分分析算法是一种非监督的端元提取算法。顶点成分分析法假设纯净像元存在，根据凸面几何原理，认为端元都位于单形体的顶点。VCA 算法通过将数据投影到一个正交的子空间方向计算投影距离值最大的像元，它就是要寻找的端元。要不断进行迭代计算，直到所有的端元都被找到。 VCA 的计算步骤为: ① 对图像数据进行降维处理，设定一个信噪比门限值 SNRth，根据图像的信噪 比与门限值对比大小分别采用主成分分析法 ( PCA) 或者奇异值分解法( SVD) 对图像数据进行降维; ② 利用随机生成的正态分布矩阵计算初始向量，将所有的像元点向初始向量方向投影，找到投影值最大的作为端元; ③ 继续计算新的投影向量方向并进行迭代计算直到找出所有的端元，本资源实现了VCA算法来非监督提取端元,希望对研究端元提取的朋友有用

自己学习时编写的混合像元分解中的端元提取部分的顶点成分分析VCA的MATLAB代码，浅显易懂。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。

适用于对粒度数据进行端元分析以明确粒度曲线的具体指示意义和环境变化序列

N-FINDR是一种端元提取方法，本代码是利用MATLAB结合N-FINDR原理，进行编程，输入是高光谱数据，程序内包括了高光谱数据输入，N-FINDR处理，端元结果输出

高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助。高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助

集合了端元提取的多种经典算法，比较了各个算法的优劣和效果，为其他研究者提供了参考

高光谱的端元提取总结，很好。近年来， 通过群智能算法求解组合 优化或连续优化问题以实现高光谱图像 混合像元分解方面取得了重要进展和显 著成果． 本文首先回顾了高光谱图像混 合像元分解的研究背景和群智能算法的 特点，然后梳理了光谱混合模型及对应 的最优化模型， 进而介绍了基于群智能 算法的端元提取和丰度反演方法， 最后 通过 2 组实验比较了群智能算法和其他 传统算法在端元提取和丰度反演方面的 精度，对基于群智能算法的混合像元分 解效果进行了评价．另外， 本文也对群智 能算法在高光谱图像信息提取中应用的 优势和存在的问题进行了总结．