高光谱遥感图像混合像元分解算法研究

发布时间：2017-08-29 04:24

  本文关键词：高光谱遥感图像混合像元分解算法研究

  更多相关文章： 高光谱图像 混合像元分解 线性模型 双线性模型 粒子群

【摘要】：高光谱遥感图像具有上百个波段,能够提供十分丰富的地物信息,是近年来遥感图像领域的重要研究方向。高光谱图像空间分辨率较低的特点使得图像中的像元光谱普遍由多种地物光谱混合而成,给目标分类、地物识别等后续应用造成了困难,因此对混合像元进行精确解混对提取精细地物信息具有重要意义。本文基于混合像元分解常用的光谱模型,从提高丰度求解算法精度或效率的角度出发,提出了改进的算法。本文的主要研究工作概括如下： (1)介绍了目前混合像元分解的理论体系。根据对光子传输过程的不同假设,光谱模型可以分为线性模型和非线性模型。对这两种模型的理论假设做了具体的解释,并探讨了两种模型的各自特点和适用情况。简要概述了基于这两种模型的混合像元分解算法。 (2)基于线性模型,根据单形体体积比求解丰度的原理和全约束限制条件,提出了一种能够快速实现的全约束线性混合像元分解算法。通过引入行列式定理,避免了单形体体积比的行列式计算,简化为矩阵的简单数乘。全新迭代投影算法的引入,使丰度估计结果满足非负性约束的条件。仿真图和真实的AVIRIS图像数据实验验证了该方法的算法效率。 (3)将粒子群优化算法引入到基于广义双线性模型的混合像元分解过程之中,提出了一种非线性混合像元分解方法。算法在保证时间效率的基础上,体现出了比传统算法在分解精度上的优越性,并且通过一系列仿真数据的实验验证了其在多种条件下的鲁棒性。
【关键词】：高光谱图像 混合像元分解 线性模型 双线性模型 粒子群
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 目录9-11
• 第1章 绪论11-17
• 1.1 课题研究背景及意义11-13
• 1.2 国内外研究现状及分析13-14
• 1.3 本文研究内容和研究方法14-15
• 1.4 本文组织结构15-16
• 1.5 本章小结16-17
• 第2章 高光谱图像混合像元分解理论17-29
• 2.1 光谱混合模型17-20
• 2.2 模型适用性20-21
• 2.3 线性混合像元分解算法21-26
• 2.4 非线性混合像元分解算法26-28
• 2.5 本章小结28-29
• 第3章 全约束线性混合像元分解的几何方法29-44
• 3.1 降维后数据的丰度估计方法29-30
• 3.2 重心坐标表示的丰度系数30-31
• 3.3 改进的重心坐标算法31-32
• 3.4 丰度系数的非负性约束32-35
• 3.5 全约束混合像元分解算法35-37
• 3.6 实验结果与分析37-42
• 3.7 本章小结42-44
• 第4章 基于粒子群优化算法的非线性混合像元分解44-56
• 4.1 粒子群优化算法44-46
• 4.2 双线性混合模型46-48
• 4.3 基于粒子群的非线性混合像元分解算法48-50
• 4.4 实验结果与分析50-55
• 4.5 本章小结55-56
• 第5章 总结和展望56-58
• 5.1 全文总结56
• 5.2 研究展望56-58
• 参考文献58-62
• 攻读硕士学位期间发表的学术论文62

【参考文献】

中国期刊全文数据库 前3条

1 唐世浩,朱启疆,闫广建,周晓东;遗传算法及其在遥感线性、非线性模型反演中的应用效果分析[J];北京师范大学学报(自然科学版);2002年02期

2 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期

3 潘峰;陈杰;辛斌;张娟;;粒子群优化方法若干特性分析[J];自动化学报;2009年07期

中国博士学位论文全文数据库 前2条

1 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

2 杜博;高光谱遥感影像亚像元小目标探测研究[D];武汉大学;2010年

，

本文编号：751291