高光谱像元解混技术研究

发布时间：2017-04-27 12:16

  本文关键词：高光谱像元解混技术研究，由笔耕文化传播整理发布。

【摘要】：高光谱图像具有较高的光谱分辨率,提供了地物详尽的光谱信息,因而能够更好地用于遥感数据的分类和目标识别。同时,由于地物分布的复杂多样性以及传感器有限的空间分辨率,遥感图像中常常包含大量的混合像元。为了能够对遥感图像进行更精细的定量解译,光谱解混技术应运而生。本文对高光谱图像混合像元分解技术进行了研究,主要工作包括:(1)对光谱成像技术和像元解混技术的国内外研究现状进行了综述。对于本文重点研究的基于线性光谱混合模型的像元解混技术,分别从端元提取和丰度反演两个方面进行了分析与总结。(2)提出了两种改进的单形体体积增长算法(SGA),并将改进后的方法应用于高光谱像元解混中。作为应用比较广泛的一种端元提取算法,SGA存在端元提取效果不理想以及需要进行降维处理的缺陷。分别利用N-FINDR方法、改进的单形体体积计算公式并结合正交子空间投影(OSP)的思想对其进行改进,将改进的端元提取算法应用于高光谱解混中。利用模拟数据和实际高光谱数据进行实验发现,两种改进的单形体体积增长算法在端元提取精度和丰度反演结果上都优于SGA算法,证明了改进算法的有效性。(3)提出了一种改进的基于自动形态学的端元提取算法。针对自动形态学端元提取(AMEE)算法存在的局限性,通过引入参考光谱向量的概念构建了改进的形态学算子,并给出了一个形态学离心率指数新的计算方法。然后利用偶数大小、改进的结构元素,从每个结构元素内选出四个候选端元。对改进的基于自动形态学的端元提取算法进行了分析和实验验证。实验结果表明,改进的方法能从纯像元集中分布的区域获得正确的候选端元,并在一定程度上避免膨胀过程中的信息遗失,从而能够有效地提升端元提取的精度和像元解混的效果。
【关键词】：高光谱遥感 光谱解混 线性光谱混合模型 端元提取 数学形态学
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-15
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 光谱成像技术的发展现状11
• 1.2.2 混合像元分解的研究现状11-13
• 1.3 本文主要内容与结构组织13-15
• 第2章 基于改进端元提取的高光谱解混方法15-36
• 2.1 引言15
• 2.2 基于线性光谱混合模型的高光谱像元解混15-22
• 2.2.1 线性光谱混合模型15-16
• 2.2.2 高光谱数据降维方法16-17
• 2.2.2.1 主成分分析16
• 2.2.2.2 最小噪声分离变换16-17
• 2.2.3 常见的端元提取算法17-20
• 2.2.3.1 N-FINDR算法17-18
• 2.2.3.2 单形体体积增长算法（SGA）18-19
• 2.2.3.3 基于正交子空间投影（OSP）的端元提取算法19-20
• 2.2.4 基于最小二乘的丰度反演方法20-22
• 2.3 改进的单形体体积增长算法22-26
• 2.3.1 基于N-FINDR思想改进的单形体体积增长算法22-24
• 2.3.2 利用正交子空间投影方法改进的单形体体积增长算法24-26
• 2.4 实验与分析26-35
• 2.4.1 模拟数据实验26-29
• 2.4.2 真实高光谱数据实验29-35
• 2.5 本章小结35-36
• 第3章 基于数学形态学及其改进方法的端元提取36-61
• 3.1 引言36
• 3.2 数学形态学基础36-37
• 3.2.1 数学形态学的基本介绍36
• 3.2.2 二值形态学36-37
• 3.2.3 灰度级形态学37
• 3.3 自动形态学端元提取算法（AMEE）37-41
• 3.4 AMEE算法的分析与改进41-49
• 3.4.1 自动形态学端元提取算法的缺陷41-44
• 3.4.2 算法改进44-48
• 3.4.2.1 改进的形态学算子44-46
• 3.4.2.2 改进的MEI计算方法46
• 3.4.2.3 改进的结构元素46-48
• 3.4.3 改进的自动形态学端元提取算法48-49
• 3.5 实验与分析49-60
• 3.5.1 模拟数据实验49-52
• 3.5.1.1 模拟数据一对比实验50-51
• 3.5.1.2 模拟数据二对比实验51-52
• 3.5.2 真实高光谱数据实验52-60
• 3.5.2.1 AVIRIS Cuprite数据实验52-55
• 3.5.2.2 Urban数据实验55-57
• 3.5.2.3 Indiana数据实验57-60
• 3.6 本章小结60-61
• 第4章 总结与展望61-64
• 4.1 总结61-62
• 4.2 展望62-64
• 致谢64-65
• 参考文献65-69
• 附录69

【相似文献】

中国期刊全文数据库 前10条

1 齐建成;朱述龙;朱宝山;赵泳;李二森;;图像端元全自动提取方法研究[J];海洋测绘;2009年02期

2 朱述龙;齐建成;朱宝山;曹闻;;以凸面单体边界为搜索空间的端元快速提取算法[J];遥感学报;2010年03期

3 王立国;张晶;刘丹凤;王群明;;从端元选择到光谱解混的距离测算方法[J];红外与毫米波学报;2010年06期

4 曹建农;王贝贝;何晓宁;;高光谱端元自动确定与提取的迭代算法[J];遥感学报;2013年02期

5 吴波,张良培,李平湘;高光谱端元自动提取的迭代分解方法[J];遥感学报;2005年03期

6 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期

7 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期

8 李熙;关泽群;秦昆;张力;曹灵灵;;基于贝叶斯推理的像元内部端元选择模型[J];光学学报;2009年09期

9 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期

10 崔建涛;王晶;厉小润;赵辽英;;基于空间像素纯度指数的端元提取算法[J];浙江大学学报(工学版);2013年09期

中国重要会议论文全文数据库 前1条

1 王百合;刘志刚;李义红;;基于光谱角分析的端元光谱聚类方法研究[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

中国博士学位论文全文数据库 前5条

1 崔建涛;高光谱遥感图像解混技术研究[D];浙江大学;2015年

2 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年

3 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年

4 杨华东;高光谱遥感影像光谱解混算法研究[D];大连海事大学;2015年

5 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年

中国硕士学位论文全文数据库 前10条

1 肖霄;基于正交投影理论的端元提取算法[D];大连海事大学;2016年

2 李雪丽;基于线性模型的端元数目估计和光谱提取算法研究[D];华中科技大学;2014年

3 吴琼;融合地形和纹理信息的多端元光谱混合分解[D];云南大学;2016年

4 王晶;高光谱影像的MVC-NMF端元提取改进算法的研究[D];中国地质大学(北京);2016年

5 苏远超;基于离散人工蜂群算法的高光谱图像端元提取方法[D];西安科技大学;2015年

6 张昆;高光谱图像光谱解混及端元提取方法研究[D];长安大学;2016年

7 童文杰;基于端元学习的高光谱图像稀疏解混研究[D];西安电子科技大学;2015年

8 方俊龙;高光谱像元解混技术研究[D];杭州电子科技大学;2016年

9 张甬荣;基于有效端元集的双线性解混模型研究及应用[D];大连海事大学;2013年

10 刘正春;多端元光谱混合分析方法研究[D];中南大学;2012年

  本文关键词：高光谱像元解混技术研究，由笔耕文化传播整理发布。

，

本文编号：330617