利用核方法进行高光谱遥感图像线性解混

发布时间：2018-04-02 13:41

  本文选题：高光谱遥感　切入点：核方法　出处：《武汉大学学报(信息科学版)》2017年03期

【摘要】：为了提高高光谱遥感图像混合像元分解的精度,提出基于核方法的高光谱线性解混。采用核化正交子空间投影(orthogonal subspace projection,OSP)算子、最小二乘正交子空间投影(least squares OSP,LSOSP)算子、非负约束最小二乘(nonnegative constrained least-squares,NCLS)算子和全约束最小二乘(fully constrained least-squares,FCLS)算子等方法分别构建核正交子空间投影(Kernel OSP,KOSP)、核最小二乘正交子空间投影(Kernel LSOSP,KLSOSP)、核非负约束最小二乘(Kernel NCLS,KNCLS)和核全约束最小二乘(Kernel FCLS,KFCLS)高光谱图像混合像元解混模型。对CUPRITE矿区AVIRIS数据进行KLSOSP、KNCLS和KFCLS与LSOSP、NCLS和FCLS丰度反演对比实验,结果表明,对于混合像元广泛存在的高光谱遥感图像来说,基于核方法的KLSOSP,KNCLS和KFCLS的解混精度优于LSOSP,NCLS和FCLS;附加约束条件有利于提高丰度反演的精度。
[Abstract]:In order to improve the accuracy of mixed pixel decomposition of hyperspectral remote sensing images, a kernel-based method for hyperspectral linear descrambling is proposed. The kernel orthogonal subspace projection orthogonal subspace projectionOSPP operator and the least square orthogonal subspace projection least squares OSPP operator are used. Non-negative constrained least-squares (NCLS) operator and fully constrained least squares (FCLS) operator are used to construct kernel orthogonal subspace projection Kernel OSPKO SPN, kernel least squares orthogonal subspace projection Kernel LSOSPKLSOSPS, kernel non-negative constrained least squares Kernel NCLS KNCLS) and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, respectively, and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, kernel non-negative constrained least squares (Kernel NCLS KCLS) and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, respectively. The mixed pixel demultiplexing model for hyperspectral images of fully constrained least squares Kernel FCLS / KFCLS. The contrast experiments of KLSOSPNCLS and KFCLS with LSOSPNCLS and FCLS abundance inversion are carried out on the AVIRIS data of CUPRITE mining area. The results show that for hyperspectral remote sensing images where mixed pixels are widespread, the resolution accuracy of KLSOSPNCLS and KFCLS based on kernel method is better than that of LSOSPNCLS and FCLS, and the addition of constraint conditions is helpful to improve the accuracy of abundance inversion.
【作者单位】： 重庆交通大学土木工程学院测绘系;成都理工大学地学空间信息技术国土资源部重点实验室;重庆市地理信息中心;
【基金】：国家自然科学基金(41071265) 重庆市教委科技项目(KJ1400325) 武汉大学测绘遥感信息工程国家重点实验室开放研究基金(13R03) 重庆交通大学博士基金(2012kjc2-011) 重庆市基础与前沿研究重点项目(cstc2015jcyjBX0023)~~
【分类号】：TP751;P237

【相似文献】

相关期刊论文 前10条

1 杜培军;陈云浩;;高光谱遥感信息智能处理的若干理论与技术问题[J];科技导报;2006年01期

2 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S3期

3 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S1期

4 岳跃民;王克林;张兵;陈正超;;高光谱遥感在生态系统研究中的应用进展[J];遥感技术与应用;2008年04期

5 方红亮,田庆久;高光谱遥感在植被监测中的研究综述[J];遥感技术与应用;1998年01期

6 王建宇;高光谱遥感──给人类配上一副神眼[J];世界科学;1999年12期

7 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才;高光谱遥感在植被理化信息提取中的应用动态[J];西北农林科技大学学报(自然科学版);2005年05期

8 陶秋香;;植被高光谱遥感分类方法研究[J];山东科技大学学报(自然科学版);2007年05期

9 龚绍琦;黄家柱;李云梅;陆皖宁;王海君;王国祥;;水体氮磷高光谱遥感实验研究初探[J];光谱学与光谱分析;2008年04期

10 孙蕾;罗建书;;高光谱遥感图像微分域三维混合去噪方法[J];光谱学与光谱分析;2009年10期

相关会议论文 前10条

1 张霞;刘良云;赵春江;张兵;;利用高光谱遥感图像估算小麦氮含量研究[A];成像光谱技术与应用研讨会论文集[C];2002年

2 杜培军;陈云浩;;高光谱遥感信息智能处理的基础研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 徐元进;胡光道;;取缔阀值的高光谱遥感光谱匹配分类信息制图[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 张永强;文丽萍;王振营;;高光谱遥感在监测作物受病虫肥胁迫中的应用[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 王艺婷;黄世奇;王红霞;;从信息的角度看高光谱遥感技术[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

6 李京;蒋卫国;;高光谱遥感在湿地监测与分类中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年

7 房华乐;任润东;苏飞;梁勇;;高光谱遥感在农业中的应用[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

8 黄娟;郭明克;张永梅;闫涛;王宁;;利用高光谱遥感资料提取赤潮信息方法研究[A];成像光谱技术与应用研讨会论文集[C];2002年

9 杜培军;方涛;林卉;;高光谱遥感影像降维方法研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

10 王新鸿;唐伶俐;马灵玲;;高光谱遥感在内陆水质监测中的应用[A];现代测量技术与地理信息系统科技创新及产业发展研讨会论文集[C];2009年

相关重要报纸文章 前4条

1 张学君;高光谱遥感技术助力覆盖区找矿[N];中国国土资源报;2011年

2 记者 金小平;中国地调局举办高光谱遥感找矿培训班[N];中国矿业报;2007年

3 中国科学院院士、国际欧亚科学院院士 童庆禧;我国高光谱遥感的发展[N];中国测绘报;2008年

4 文龙 胡军;张立福：用光谱观测大地的人[N];科技日报;2012年

相关博士学位论文 前10条

1 张海涛;基于兴趣体保护的高光谱遥感图像压缩技术研究[D];辽宁工程技术大学;2014年

2 王霄鹏;黄河三角洲湿地典型植被高光谱遥感研究[D];大连海事大学;2014年

3 孙蕾;小波构造理论及其在高光谱遥感图像去噪与压缩中的应用[D];国防科学技术大学;2010年

4 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年

5 田丰;全波段（0.35～25μm）高光谱遥感矿物识别和定量化反演技术研究[D];中国地质大学（北京）;2010年

6 刘康;基于主动学习的高光谱图像分类技术研究[D];中国矿业大学（北京）;2014年

7 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2002年

8 沈照庆;基于支持向量机（SVM）的高光谱影像智能化分析关键问题研究[D];武汉大学;2010年

9 冯燕;高光谱图像压缩技术研究[D];西北工业大学;2006年

10 叶成名;基于高光谱遥感的青藏高原岩矿信息提取方法与应用研究[D];成都理工大学;2011年

相关硕士学位论文 前10条

1 柳家福;基于GPU的矿产资源高光谱遥感探测数据快速处理[D];南京理工大学;2015年

2 张小东;基于光谱解混的高光谱遥感烃弱信息提取[D];成都理工大学;2015年

3 刘淼;不同营养水平冬小麦长势高光谱遥感监测[D];西北农林科技大学;2016年

4 牛璐璐;航空高光谱遥感影像自动拼接技术研究[D];吉林大学;2016年

5 丁小辉;基于蚁群算法的高光谱遥感影像地物分类研究[D];中国科学院研究生院(东北地理与农业生态研究所);2016年

6 颜丙囤;基于“星—地”遥感数据的植被参数反演模型研究与应用[D];中国矿业大学;2016年

7 汤媛媛;面向桌面系统的高光谱遥感影像线性降维异构并行算法研究与实现[D];国防科学技术大学;2015年

8 陈东来;高光谱遥感场景成像模型研究[D];哈尔滨工业大学;2009年

9 杨文韬;一种结合万有引力的高光谱遥感影像无监督分类算法[D];成都理工大学;2011年

10 顾桂华;高光谱遥感场景模型仿真研究[D];哈尔滨工业大学;2008年

，

本文编号：1700676