针对高光谱端元提取的空谱联合预处理方法

发布时间：2021-01-17 08:45

　　混合像元的存在是制约高光谱遥感应用精度的主要原因,因此必须进行高光谱解混合。端元提取作为高光谱解混合的关键,往往易受噪声和异常点的干扰。为了提高端元提取精度,针对高光谱端元提取提出了一种空谱联合的预处理方法。首先,定义了新概念光谱纯度指数,主要用于预估高光谱图像中每个像元的光谱纯度;其次,给出了基于光谱纯度指数的空间去冗余方法,利用真实地物的空间分布连续性,判断和移除高光谱图像中冗余像元,最终形成精简的候选端元集。实验结果表明:采用提出的预处理方法后,对于模拟高光谱图像,提取的端元与原始端元之间夹角平均减少了9.022 3°,候选端元数量少于原始像元数量的10%。该预处理方法不仅有效消除了噪声和异常点的干扰,提高了端元提取精度,且大幅降低了时间复杂度。 

【文章来源】：液晶与显示. 2020,35(09)北大核心

【文章页数】：10 页

【部分图文】：

基于预处理方法的高光谱端元提取框架

图2是按照上述步骤生成的模拟高光谱图像第30波段对应的二维灰度图，其中蓝圈里的红点表示添加的两个异常点，空间位置坐标分别是（8,28）和（23,35）。图3是模拟高光谱数据中端元和异常点对应的光谱曲线，其中5条实线对应端元光谱，2条虚线对应异常点光谱。图3 模拟高光谱图像中端元和异常点的光谱曲线

模拟高光谱图像中端元和异常点的光谱曲线

【参考文献】：
期刊论文
[1]基于双边滤波的最优波段子空间高光谱异常目标检测[J]. 成宝芝,张丽丽.  液晶与显示. 2019(09)
[2]双卷积池化结构的3D-CNN高光谱遥感影像分类方法[J]. 李冠东,张春菊,高飞,张雪英.  中国图象图形学报. 2019(04)
[3]样本优化选择的高光谱图像分类[J]. 方帅,祝凤娟,董张玉,张晶.  中国图象图形学报. 2019(01)
[4]图-谱结合的压缩感知高光谱视频图像复原[J]. 谭翠媚,许廷发,马旭,张宇寒,王茜,闫歌.  中国光学. 2018(06)
[5]动态测量的高光谱图像压缩感知[J]. 闫歌,许廷发,马旭,张宇寒,王茜,谭翠媚.  中国光学. 2018(04)
[6]基于空谱联合和波段分类的高光谱压缩感知重构[J]. 黄元超,王阿川.  液晶与显示. 2018(04)
[7]结合超像元和子空间投影支持向量机的高光谱图像分类[J]. 冉琼,于浩洋,高连如,李伟,张兵.  中国图象图形学报. 2018 (01)
[8]基于空间像素纯度指数的端元提取算法[J]. 崔建涛,王晶,厉小润,赵辽英.  浙江大学学报(工学版). 2013(09)
[9]基于光谱角累加的高光谱图像异常检测算法[J]. 杜小平,刘明,夏鲁瑞,陈杭.  中国光学. 2013(03)



本文编号：2982553