高光谱图像光谱解混及端元提取方法研究

发布时间：2017-10-29 15:19

  本文关键词：高光谱图像光谱解混及端元提取方法研究

  更多相关文章： 高光谱图像 线性解混模型 端元提取算法 丰度估计

【摘要】：随着高光谱传感器分辨率的提升,高光谱遥感图像在纳米级的光谱分辨率提供海量地表信息,如何快速去除冗余提取有效信息是当前高光谱遥感研究热点。瞬时视场及高光谱成像原理限制了高光谱图像的空间分辨率,使得单个像元混合多种实际地物,产生混合像元。将混合像元分解为多个同质像元(端元)的函数表达需要在线性或非线性模型下先进行端元提取,然后确定各个端元对混合像元的贡献比例(丰度估计),得到可以继续展开高光谱图像分类分析的丰度图。由此可知高光谱遥感影像处理的三个重点问题:端元数目的确定,端元提取方法研究,混合像元分解。如何有效、快速地提取端元是高光谱解混技术研究的关键点。本文先介绍了高光谱图像处理的背景知识,总结了近年来国内外端元提取算法工作进展,分析了高光谱图像相关处理技术的要求。针对端元提取算法详细介绍了几种经典端元提取算法的思想及原理,并对算法进行简单的分析。重点研究和分析了N-FINDR和OSP端元提取算法的原理和缺陷,总结了N-FINDR改进思路,提出并实现了一个在原始N-FINDR算法基础上结合空间信息进行端元提取的方法,最后通过人工模拟数据和实际高光谱数据两种类型三组数据验证改进方法的有效性,并用主要评价指标进行比较分析。实验结果表明,结合空间信息的端元提取方法有效提高了端元提取的准确性,取得更好的效果。但是限于几何模型的假设,寻找最大体积单形体的顶点并不能对所有复杂的数据都有效,容易产生端元光谱混淆的高光谱图像并不能很好的提取所有的纯正端元。
【关键词】：高光谱图像 线性解混模型 端元提取算法 丰度估计
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237;TP751
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-11
• 1.2 国内外研究现状11-14
• 1.3 本文的研究内容和创新点14-15
• 1.3.1 主要研究内容14-15
• 1.3.2 主要创新点15
• 1.4 论文的章节安排15-17
• 第二章 高光谱数据处理17-28
• 2.1 高光谱数据17-18
• 2.2 解混模型18-22
• 2.2.1 混合像元的形成18-20
• 2.2.2 高光谱解混20-22
• 2.3 高光谱数据预处理22-26
• 2.3.1 数据选择22
• 2.3.2 降维22-26
• 2.3.2.1 主成分分析23-24
• 2.3.2.2 最大噪声分离24-25
• 2.3.2.3 独立成分分析25
• 2.3.2.4 奇异值分解25-26
• 2.4 端元个数确定26-27
• 2.5 本章小结27-28
• 第三章 高光谱影像解混及评价28-46
• 3.1 基于线性混合模型的端元提取算法28-33
• 3.1.1 N-FINDR算法28-29
• 3.1.2 PPI算法29-30
• 3.1.3 VCA算法30-31
• 3.1.4 SGA算法31
• 3.1.5 IEA算法31-32
• 3.1.6 OSP 算法32-33
• 3.2 非线性解混模型的端元提取算法33-34
• 3.3 丰度反演方法34-36
• 3.3.1 非限制性最小二乘34
• 3.3.2 非负限制性最小二乘34-35
• 3.3.3 和为一限制性最小二乘35
• 3.3.4 全限制性最小二乘35
• 3.3.5 线性分解模型的拓展35-36
• 3.4 高光谱解混评价36-37
• 3.5 基于N-FINDR改进的端元提取算法37-45
• 3.5.1 改进思路37-39
• 3.5.2 算法改进39-41
• 3.5.3 算法描述41-45
• 3.6 本章小结45-46
• 第四章 算法实验46-64
• 4.1 模拟数据实验46-54
• 4.1.1 模拟实验数据生成46-47
• 4.1.2 噪声数据生成47-48
• 4.1.3 模拟实验结果48-54
• 4.2 实际数据实验54-62
• 4.3 本章小结62-64
• 第五章 总结展望64-69
• 5.1 总结64-65
• 5.2 展望65-69
• 参考文献69-74
• 攻读学位期间取得的研究成果74-75
• 致谢75

【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 宋梅萍;张甬荣;安居白;包海默;;基于有效端元集的双线性解混模型[J];光谱学与光谱分析;2014年01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 冯淑娜;基于多端元混合像元分解的喀斯特石漠化表征因子提取研究[D];中国矿业大学;2015年

2 崔俊涛;对于高光谱图像端元解混方法研究[D];西安电子科技大学;2013年

3 王可;多端元光谱混合分析算法研究[D];电子科技大学;2015年

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文编号：1113534