高光谱图像混合像元分解技术研究

发布时间：2017-10-14 20:13

  本文关键词：高光谱图像混合像元分解技术研究

  更多相关文章： 高光谱图像 混合像元分解 非负矩阵分解 平滑约束 稀疏约束

【摘要】：高光谱遥感将具有地物性质的光谱与地物空间与几何特性的图像有机地结合在一起为人类提供了前所未有的丰富信息,但高光谱遥感信息提取与识别面临的一个突出问题就是混合像元,解决混合像元方法就是混合像元分解。高光谱图像的混合像元分解是对图像中的混合像元进行解混的过程,其本质是将原始图像分解为多种纯净地物及相应的丰度,而非负矩阵分解是一种将非负的数据矩阵分解为两个非负的矩阵相乘的算法。本文主要围绕像元形成的线性效应来展开,利用非负矩阵分解算法,对混合像元分解进行研究和分析。首先,对混合像元产生的原因进行了分析;然后,对高光谱图像解混涉及的线性混合模型、端元提取、丰度估计和评价指标等几个方面的内容进行了详细论述,对传统的各类端元提取算法和丰度估计算法进行了分析,比较了各算法的优缺点。针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种改进的平滑性和稀疏性约束的非负矩阵分解法(INMFSSC)。首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值;然后,将最小二乘法提取的丰度作为丰度矩阵的初始值;最后,在目标函数中加入平滑性和稀疏性约束,从而实现对混合像元进行较好的分解。通过对模拟高光谱数据和真实遥感图像的仿真研究,实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得较好的解混效果。高光谱图像中混合像元的存在直接影响基于遥感影像的地物识别精度,光谱解混算法可以有效地解决混合像元问题。最小体积限制的非负矩阵分解算法(MVCNMF)不需要假定纯像元的存在;并且在自动提取端元的同时,能够获取每种端元所对应的丰度图;然而该方法并没有考虑丰度矩阵的稀疏特性,所以提出了将平滑L0模稀疏约束引入到MVCNMF算法中,用于进一步提高算法的精度。通过模拟高光谱数据和真实遥感图像进行仿真研究,实验结果表明改进的算法提高了算法的精度。
【关键词】：高光谱图像 混合像元分解 非负矩阵分解 平滑约束 稀疏约束
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要6-7
• ABSTRACT7-12
• 第1章 绪论12-19
• 1.1 课题背景及研究意义12-13
• 1.2 高光谱图像混合像元分解技术发展概述13-15
• 1.3 高光谱图像混合像元分解技术的应用现状及前景15-16
• 1.4 论文主要研究内容及结构安排16-19
• 1.4.1 论文主要研究内容16-17
• 1.4.2 论文结构安排17-19
• 第2章 高光谱图像混合像元分解技术19-34
• 2.1 混合像元问题与混合模型19-24
• 2.1.1 混合像元产生的机理20-21
• 2.1.2 混合像元组成模型21-24
• 2.2 端元提取算法24-29
• 2.2.1 像元纯净指数法25-26
• 2.2.2 内部最大体积算法26-27
• 2.2.3 顶点成分分析算法27-29
• 2.2.4 误差迭代算法29
• 2.3 高光谱图像端元丰度估计方法29-32
• 2.3.1 无约束最小二乘29-30
• 2.3.2 和为一约束最小二乘30
• 2.3.3 非负约束最小二乘30-31
• 2.3.4 全约束最小二乘31-32
• 2.4 实验结果性能评价指标32-33
• 2.5 本章小结33-34
• 第3章 加入约束的NMF高光谱图像混合像元分解技术34-43
• 3.1 非负矩阵分解34-37
• 3.1.1 问题描述34-35
• 3.1.2 目标函数35
• 3.1.3 迭代规则35-37
• 3.2 基于约束的非负矩阵分解算法37-39
• 3.2.1 算法描述37
• 3.2.2 基于平滑性和稀疏性约束的NMF的混合像元分解37-39
• 3.3 实验与分析39-41
• 3.3.1 模拟数据实验39-40
• 3.3.2 真实数据实验40-41
• 3.4 本章小结41-43
• 第4章 基于约束的MVCNMF高光谱图像混合像元分解技术43-56
• 4.1 最小体积限制的非负矩阵分解方法43-46
• 4.1.1 单形体体积43-45
• 4.1.2 MVCNMF算法45-46
• 4.2 基于约束的MVCNMF算法46-48
• 4.2.1 问题描述46
• 4.2.2 基于约束的MVCNMF算法实现46-48
• 4.3 实验与分析48-55
• 4.3.1 模拟数据实验48-51
• 4.3.2 真实数据实验51-55
• 4.4 本章小结55-56
• 总结与展望56-58
• 参考文献58-61
• 致谢61-62
• 攻读硕士期间发表（含录用）的学术论文62

【参考文献】

中国期刊全文数据库 前6条

1 魏一苇;黄世奇;王艺婷;卢云龙;刘代志;;基于体积和稀疏约束的高光谱混合像元分解算法[J];红外与激光工程;2014年04期

2 孙旭光;蔡敬菊;徐智勇;张建林;;基于非负矩阵分解的高光谱图像混合像元分解[J];光电工程;2012年12期

3 叶军;;基于投影梯度及下逼近方法的非负矩阵分解[J];计算机工程;2012年03期

4 刘雪松;王斌;张立明;;基于非负矩阵分解的高光谱遥感图像混合像元分解[J];红外与毫米波学报;2011年01期

5 黎贵发;;基于改进BP神经网络的遥感影像混合像元分解[J];地理空间信息;2009年03期

6 张伟;杜培军;张华鹏;;基于神经网络的高光谱混合像元分解方法研究[J];测绘通报;2007年07期

，

本文编号：1032967