基于多线性混合模型的高光谱图像解混研究

发布时间：2020-12-09 16:33

　　针对全约束非线性高光谱解混目标函数复杂及解混时间长的问题,本文提出了一种多线性高光谱图像解混算法。首先依据多线性光谱混合模型建立全约束多线性解混目标函数,将多线性光谱解混问题转化为最优化求解问题;然后利用差分搜索算法的[0,1]搜索域与“和为1”边界控制机制满足丰度约束条件,从而简化全约束多线性解混目标函数;最后对简化的目标函数进行迭代优化求解,进而实现多线性高光谱图像解混。实验采用仿真数据集和真实高光谱图像对本文算法进行验证,在解混时间对比实验中,本文算法的平均解混时间比基于光谱混合模型的全约束非线性高光谱图像解混算法减少14.01%,同时避免了丰度约束项权重值复杂的选取过程;在解混精度对比实验中,本文算法整体上能够取得较高的解混精度。因此,本文算法在保证解混精度的同时减少了全约束非线性解混时间,取得较好的解混效果。 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

端元的光谱

波段1的二维图像

2图 1.3 高光谱图像立方体Figure 1.3 Hyperspectral image cube被搭载在飞机和卫星平台上，以较高的光谱行持续地探测。为了能够更好地识别地面物进行处理时，学者们需要充分利用高光谱图的特性。然而由于高光谱图像的数据量巨大、过程中存在噪声和大气等对成像光谱仪电磁准确的分析方法。成像光谱仪的硬件限制，光谱分辨率的提高辨率的成像光谱仪难以获得较高的空间分辨的实际地面尺寸较大，如果在该像元对应的像元（pure pixel，PP）；但是实际探测地物在，这种像元称为混合像元（mixing pixel，

【参考文献】：
期刊论文
[1]基于多目标蝙蝠优化的高光谱图像解混算法[J]. 康志龙,张雪萍,陈雷,郭艳菊,权佳宁.  光电子·激光. 2018(03)
[2]高光谱图像Pareto优化稀疏解混[J]. 徐夏,张宁,史振威,谢少彪,齐乃明.  红外与激光工程. 2018(02)
[3]基于空间加权协同稀疏的高光谱解混算法研究[J]. 朱昌宇,张绍泉,李军,李恒超.  南京信息工程大学学报(自然科学版). 2018(01)
[4]高光谱遥感图像混合像元分解的群智能算法[J]. 高连如,孙旭,罗文斐,唐茂峰,张兵.  南京信息工程大学学报(自然科学版). 2018(01)
[5]高光谱遥感影像混合像元分解研究进展[J]. 蓝金辉,邹金霖,郝彦爽,曾溢良,张玉珍,董铭巍.  遥感学报. 2018(01)
[6]基于最大整体包容度约束非负矩阵分解的高光谱遥感图像混合像元分析算法[J]. 王瀛,何欣,左方.  光子学报. 2018(03)
[7]最小二乘混合像元分解的端元丰度信息提取研究[J]. 杨超,王金亮,渠立权,孙兴齐,李石华.  测绘科学. 2017(09)
[8]高光谱遥感图像非线性解混研究综述[J]. 杨斌,王斌.  红外与毫米波学报. 2017(02)
[9]FAN模型的双种群差分进化光谱解混算法[J]. 张锐豪,罗文斐,钟亮,覃事银,李倩倩.  遥感学报. 2017(02)
[10]加权空谱局部保持投影的高光谱图像特征提取[J]. 何芳,王榕,于强,贾维敏.  光学精密工程. 2017(01)

硕士论文
[1]高光谱遥感图像混合像元分解算法研究[D]. 周昕.浙江大学 2015



本文编号：2907154