基于联合稀疏表示的高光谱图像解混方法研究

发布时间：2017-04-02 09:17

  本文关键词：基于联合稀疏表示的高光谱图像解混方法研究，，由笔耕文化传播整理发布。

【摘要】：卫星遥感成像技术能够同时获得图像的空间信息和光谱信息,是人们获取对地遥感和深空探测目标信息的重要手段,在地质勘测,环境监测,土地规划,目标检测与跟踪等许多领域有着非常重要的应用。但是受到成像光谱仪的限制,高光谱图像空间分辨率较低,导致混合像元普遍存在,严重制约了高光谱图像的广泛应用。因此,研究高光谱图像混合像元分解具有非常重要的现实意义。论文对传统高光谱图像解混技术进行了论述,在对国内外现有的高光谱图像稀疏解混方法进行深入研究的基础上,对现有高光谱稀疏解混算法进行改进。本文的主要研究成果可概括如下:(1)针对端元候选集中包含冗余端元导致丰度重构精度不高的问题,提出了一种基于回溯的联合正交匹配追踪高光谱图像解混算法。首先将高光谱图像分为若干个图像块,并对每个图像块采用联合匹配追踪的方法提取端元,将每个子块端元候选集合并作为整幅图像的端元集合,然后通过检测当前端元集合中每个端元与当前像元的相关性,将冗余端元从端元集合中剔除。对比其他联合贪婪算法,该算法有效减少了端元集合的冗余端元,提高了丰度重构的精度。(2)针对光谱曲线相关性较高,影响最优端元提取的问题,提出了一种基于递归字典的联合正交匹配追踪高光谱图像解混算法。在每次迭代过程中,先将光谱库投影到子空间并进行正交化处理,降低光谱曲线的相关性,再利用残差与正交化后的光谱曲线进行端元提取。该算法能够有效提取最优端元,与其他贪婪算法相比具有更高的光谱解混精度。(3)提出了一种复合正则化的联合稀疏贝叶斯学习解混算法。在贝叶斯框架下,对各参数建立概率模型,经贝叶斯推断得到最优化问题,利用一种快速迭代方法进行参数学习。将丰度系数的非负性与和为一性加入最优化问题,并利用交替迭代方法进行求解。对比贪婪算法和凸优化算法,该算法能够获得更高的解混精度。(4)提出基于空间相关性约束的联合稀疏贝叶斯学习算法。将相邻像元的联合稀疏性和空间相关性同时作为约束条件加入到最优化问题中,并利用惩罚参数平衡联合稀疏约束与空间相关性约束的影响。该算法针对模拟图像和真实图像都获得了较好的解混结果。
【关键词】：高光谱解混 联合稀疏表示 贪婪算法 稀疏贝叶斯学习
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 注释表11-12
• 缩略词12-13
• 第一章 绪论13-22
• 1.1 研究背景与意义13-15
• 1.2 国内外研究现状15-21
• 1.2.1 光谱混合模型15-17
• 1.2.2 传统高光谱解混算法17-20
• 1.2.3 稀疏高光谱解混算法20-21
• 1.3 主要内容与章节安排21-22
• 第二章 高光谱图像稀疏解混的理论基础22-38
• 2.1 引言22
• 2.2 联合稀疏解混模型22-24
• 2.3 贪婪算法24-27
• 2.3.1 联合正交匹配追踪算法24-26
• 2.3.2 联合子空间追踪算法26
• 2.3.3 子空间匹配追踪算法26-27
• 2.4 凸优化算法27-32
• 2.4.1 SUnSAL算法28-29
• 2.4.2 CLSUnSAL算法29-31
• 2.4.3 SUnSAL-TV算法31-32
• 2.5 贝叶斯算法32-35
• 2.5.1 贝叶斯理论33-34
• 2.5.2 稀疏贝叶斯学习理论34-35
• 2.6 混合像元分解精度的评价指标35-37
• 2.6.1 已知模拟图像数据的分解精度评价指标35-37
• 2.6.2 未知真实图像数据的分解精度评价指标37
• 2.7 本章小结37-38
• 第三章 基于联合贪婪算法的稀疏解混算法38-64
• 3.1 联合正交匹配追踪算法38-39
• 3.2 基于回溯的联合正交匹配追踪的稀疏解混算法39-52
• 3.2.1 基于回溯的联合正交匹配追踪算法39-41
• 3.2.2 算法理论分析41-44
• 3.2.3 实验结果与分析44-52
• 3.3 递归字典联合正交匹配跟踪的稀疏解混算法52-63
• 3.3.1 基于递归字典联合正交匹配跟踪的稀疏解混算法53-54
• 3.3.2 算法理论分析54-56
• 3.3.3 实验结果与分析56-63
• 3.4 本章小结63-64
• 第四章 基于联合稀疏贝叶斯学习的解混算法64-88
• 4.1 联合稀疏贝叶斯学习模型64-67
• 4.2 复合正则化的联合稀疏贝叶斯学习解混算法67-76
• 4.2.1 算法推导68-69
• 4.2.2 算法实现与步骤69-70
• 4.2.3 实验结果与分析70-76
• 4.3 基于空间相关性的联合稀疏贝叶斯学习解混算法76-87
• 4.3.1 算法实现77-80
• 4.3.2 实验结果与分析80-87
• 4.4 本章小结87-88
• 第五章 总结与展望88-90
• 5.1 本文总结88
• 5.2 展望分析88-90
• 参考文献90-95
• 致谢95-96
• 在学期间的研究成果及发表的学术论文96

【相似文献】

中国期刊全文数据库 前10条

1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

2 王雷;乔晓艳;董有尔;张姝;尚艳飞;;高光谱图像技术在农产品检测中的应用进展[J];应用光学;2009年04期

3 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

4 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

5 王庆国;黄敏;朱启兵;孙群;;基于高光谱图像的玉米种子产地与年份鉴别[J];食品与生物技术学报;2014年02期

6 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

7 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

8 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

9 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期

10 徐爽;何建国;马瑜;梁慧琳;刘贵珊;贺晓光;;高光谱图像技术在水果品质检测中的研究进展[J];食品研究与开发;2013年10期

中国重要会议论文全文数据库 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

  本文关键词：基于联合稀疏表示的高光谱图像解混方法研究，由笔耕文化传播整理发布。

本文编号：282254