基于端元学习的高光谱图像稀疏解混研究

发布时间：2017-11-23 08:27

  本文关键词：基于端元学习的高光谱图像稀疏解混研究

  更多相关文章： 解混 端元学习 空间结构 近邻 稀疏

【摘要】：遥感技术于上个世纪六十年代发展起来,它的快速发展带动了很多技术的发展。其中,高光谱成像技术就是代表之一。由成像光谱仪获取的高光谱数据有两个明显的特点:第一个是图像中像素点的波段数很多,第二个是光谱的分辨率很高。基于这样的特点,高光谱图像被用于了地物的识别,可是在实际应用中,由于成像光谱仪空间分辨率的不足以及地物分布的不均匀,导致在采集到的高光谱图像中,像素点是由多种地物混合而成的,几乎不存在只包含一种地物的像素点。这就对地物的识别形成了阻碍。为了能够有效的利用高光谱图像,就必须对混合的像素点进行分解,将其分解为端元和对应的丰度,这就是高光谱图像解混的工作。为了提高高光谱图像解混的效果,本文对解混进行了深入的研究,主要工作可以概括如下:1.提出了一种基于端元学习的空间相似高光谱图像稀疏解混方法。将学习的思想融入高光谱图像解混中,通过先对端元进行模拟学习,学习时结合端元的光滑性,然后利用数字光谱库对其进行筛选。丰度求解时,从空间角度进行相应的约束,相似的像素点应该是空间结构相似的,也就是具有低秩性。另外,分布在整幅图像中的端元数较像素点个数而言是很少的,所以对于某个像素点而言,只能包含部分端元,这就使得稀疏性存在了。结合低秩特性和稀疏特性,对高光谱图像进行解混。实验结果表明:本方法的求解模式与传统的一站式求解模式相比,更能够获得高精度的解混结果。2.提出了一种基于端元学习的正则加权高光谱图像稀疏解混方法。该方法在端元学习过程中,考虑了实际情况,因波段的剔除,使得端元表现出间断光滑性,基于这个原因,加入了额外约束。同时,在丰度的求解过程中,将正则约束替换低秩约束,从空间距离关系考虑丰度的求解。实验结果表明:本方法在高光谱图像解混方面比前一个方法的效果有所提升。3.提出了一种基于端元学习的近邻相关高光谱图像稀疏解混方法。对于端元而言,仍然结合光滑性和间断段光滑性进行学习。在丰度的求解过程中,从像素点邻近区域考虑,对于图像中的某个数据,用与它结构相似的近邻数据表示,这是从新的角度考虑近邻数据间的关系。结果表明:本方法在高光谱图像解混方面也有着不错的效果。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751

【参考文献】

中国期刊全文数据库 前2条

1 张兵,陈正超,郑兰芬,童庆禧,刘银年,杨一德,薛永祺;基于高光谱图像特征提取与凸面几何体投影变换的目标探测[J];红外与毫米波学报;2004年06期

2 张钧萍,张晔,周廷显;成像光谱技术超谱图像分类研究现状与分析[J];中国空间科学技术;2001年01期

，

本文编号：1217845