基于群智能及并行化算法的高光谱图像解混研究

发布时间：2021-12-31 12:04

　　高光谱遥感图像具有几十个甚至数百个连续光谱波段的数据,包含丰富的空间分布信息和各种光谱信息。然而,由于空间分辨率较低,图像中普遍存在混合像元,在对其进行地物识别和分类时造成了很大影响。因此,为了更好的对高光谱图像进行处理与分析,首先要对其解混。群智能优化算法是一种模拟自然界中生物种群行为的优化算法,在处理复杂优化问题时具有很好的效果,且易于进行并行化处理,因此,将其应用到解混问题中有很好的前景。本文以群智能优化算法为基础,利用其良好的寻优能力和并行性进行高光谱图像解混研究。本文所做的主要工作如下:（1）提出了一种快速并有优秀概率引导的回溯搜索优化算法。针对回溯搜索优化算法存在的收敛速度慢且易陷入局部最优的问题进行改进。在种群进化过程使用新扰动策略,该策略能更好的平衡算法的局部搜索和全局搜索能力。在种群选择过程中使用新选择策略,该策略采用轮盘赌的方法选择新种群,在很大程度上能避免算法陷入局部最优。实验结果表明,改进后算法能有效提高回溯搜索优化算法的收敛速度和精度。（2）提出了一种基于快速并有优秀概率引导的回溯搜索优化算法的高光谱图像解混算法。该算法基于独立成分分析模型,加入丰度约束,将高... 

【文章来源】：河北工业大学天津市 211工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

高光谱图像成像原理图[15]

河北工业大学硕士学位论文-43-50×5060×6070×7080×8090×90100×10000.020.040.060.080.1ImageSize/pixelSADFTBSA-HUAMVSAVCA-FCLSNFINDR-FCLS50×5060×6070×7080×8090×90100×10000.020.040.060.080.10.12ImageSize/pixelRMSEFTBSA-HUAMVSAVCA-FCLSNFINDR-FCLS图4.4不同像素数下的算法对比结果4.3.2真实数据实验为了进一步验证本章所提算法的有效性，本节通过两组真实数据实验对算法进行了验证。即通过对两组真实高光谱图像数据进行处理，来证明所提算法的有效性。其中，采用的两组真实数据分别是Indiana数据和JasperRidge数据[89-91]，实验结果均为程序运行20次后得到结果的平均值。实验1Indiana数据下算法的解混性能比较Indiana图像的伪彩色图如图4.5所示：图4.5Indiana图像的伪彩色图图4.5中的Indiana图像是1992年5月拍摄于印第安纳州Pine测试点的AVRIS高光谱图像。该图像包括220个波段，波长范围为0.4~2.5m，光谱分辨率为10nm。其中，实验中用到的图像大小为145145。根据文献[91]可知，该图像中主要包括玉米、天然植被、大豆、人工建筑、干草堆和小麦六种地物。此外，图像中还包括一些水吸收和低信噪比的波段，去除这些波段后，本实验将用剩余的169个波段进行实验。

【参考文献】：
期刊论文
[1]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福.  遥感学报. 2016(05)
[2]基于去噪降维和蝙蝠优化的高光谱图像盲解混算法[J]. 贾志成,薛允艳,陈雷,郭艳菊,许浩达.  光子学报. 2016(05)
[3]基于像元混合模型估计的高光谱图像解混[J]. 陈雷,刘静光,张立毅,李锵,孙彦慧.  红外技术. 2016(02)
[4]基于差分搜索的高光谱图像解混算法[J]. 张立毅,刘静光,陈雷,李锵,孙彦慧.  计算机应用研究. 2016(10)
[5]基于布谷鸟搜索算法的高光谱图像解混算法[J]. 孙彦慧,张立毅,陈雷,李锵,滕建辅,刘静光.  光电子·激光. 2015(09)
[6]一种快速高效的人工蜂群算法[J]. 王晓娟.  电子科技. 2015(03)
[7]一种基于粒子群参数优化的改进蚁群算法[J]. 李擎,张超,陈鹏,尹怡欣.  控制与决策. 2013(06)
[8]基于改进人工蜂群算法的盲源分离方法[J]. 张银雪,田学民,邓晓刚.  电子学报. 2012(10)
[9]CUDA架构下的灰度图像匹配并行算法[J]. 李建江,张磊,李兴钢,陈翔,黄义双.  电子科技大学学报. 2012(01)
[10]高光谱遥感图像光谱解混的独立成分分析技术[J]. 罗文斐,钟亮,张兵,高连如.  光谱学与光谱分析. 2010(06)

博士论文
[1]人工蜂群算法及其应用的研究[D]. 高卫峰.西安电子科技大学 2013
[2]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003



本文编号：3560223