基于非负矩阵分解的高光谱遥感图像解混方法研究
发布时间：2022-07-13 10:29
由于地物分布的复杂多样性和空间分辨率的限制,高光谱图像中普遍存在着混合像元现象,阻碍了高光谱遥感向定量化方向的深入发展和应用。作为解决混合像元问题的关键技术,高光谱解混已经成为高光谱遥感技术中的一个研究热点。高光谱解混根据实现方式可以分为监督解混和无监督解混两种思路。由于实际应用条件的限制,通过无监督解混方式直接从高光谱图像中获取端元光谱和丰度具有重要意义。作为一种流行的无监督方法,非负矩阵分解在高光谱解混中的应用得到了广泛关注和研究,但仍然面临易陷入次优局部极值点,解混精度受多种形式噪声干扰和处理效率欠佳等诸多难点和挑战。针对以上问题,本文重点围绕基于非负矩阵分解的高光谱遥感图像解混方法展开研究。本文的主要研究工作概括如下:（1）针对高光谱图像具有多样化稀疏性水平而单一类型稀疏性约束无法有效改善解混结果的问题,提出了 一种基于数据驱动约束非负矩阵分解的线性解混方法。通过无约束的非负矩阵分解过程对数据中各像元丰度的稀疏性水平进行有效评估后,结合l1/2正则项和l2正则项的约束效果对不同稀疏度的像元施加适应性的约束,进而实现了适应数据稀疏性分布...
【文章页数】：186 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
缩略词对照表
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 端元提取研究现状
1.2.2 丰度估计研究现状
1.2.3 无监督高光谱解混研究现状
1.3 本文的主要研究内容及章节安排
1.3.1 本文的主要研究内容
1.3.2 本文的章节安排
第2章 高光谱解混基础理论
2.1 引言
2.2 线性混合模型
2.3 非线性混合模型
2.3.1 多重散射混合模型
2.3.2 致密混合模型
2.3.3 基于核函数的混合模型
2.4 非负矩阵分解及其解混应用
2.4.1 非负矩阵分解及其线性解混应用
2.4.2 核非负矩阵分解及其非线性解混应用
2.5 本章小结
第3章 基于数据驱动约束非负矩阵分解的线性解混方法
3.1 引言
3.2 l_q正则化约束
3.3 基于数据驱动约束的非负矩阵分解线性解混
3.3.1 稀疏度评估
3.3.2 数据驱动约束的非负矩阵分解
3.4 实验结果和分析
3.4.1 仿真数据实验
3.4.2 真实数据实验
3.5 本章小结
第4章 基于光谱-空间维鲁棒性非负矩阵分解的线性解混方法
4.1 引言
4.2 基于l_(2,1)范数和l_(1,2)范数的鲁棒性非负矩阵分解
4.2.1 l_(2,1)范数和l_(1,2)范数
4.2.2 l_(2,1)-RNMF
4.2.3 l_(1,2)-RNMF
4.3 基于光谱-空间维鲁棒性非负矩阵分解的线性解混
4.3.1 结合l_(2,1)范数和l_(1,2)范数的光谱-空间维鲁棒性解混模型
4.3.2 模型优化方法
4.3.3 算法实现细节
4.3.4 计算复杂度分析
4.3.5 收敛性分析
4.4 实验结果和分析
4.4.1 仿真数据实验
4.4.2 真实数据实验
4.5 本章小结
第5章 光谱-空间维鲁棒性稀疏约束线性解混方法
5.1 引言
5.2 基于相关熵度量的鲁棒性解混方法
5.2.1 相关熵
5.2.2 基于相关熵的非负矩阵分解
5.3 基于相关熵的光谱-空间维鲁棒性稀疏约束解混
5.3.1 基于相关熵的光谱-空间维鲁棒性稀疏约束解混模型
5.3.2 基于相关熵的光谱-空间维鲁棒性稀疏约束非负矩阵分解
5.4 半二次优化下的鲁棒性稀疏约束解混框架
5.5 实验结果和分析
5.5.1 仿真数据实验
5.5.2 真实数据实验
5.6 本章小结
第6章 基于增量式核非负矩阵分解的非线性解混方法
6.1 引言
6.2 无原象问题的核非负矩阵分解
6.3 基于增量式核非负矩阵分解的非线性解混
6.3.1 增量式核非负矩阵分解算法
6.3.2 改进的增量式核非负矩阵分解算法
6.4 实验结果与分析
6.4.1 仿真数据实验
6.4.2 真实数据实验
6.5 本章小结
第7章 结论与展望
7.1 主要工作和创新点
7.2 工作展望
附录
A.1 定理3.1的证明
A.2 定理4.1的证明
A.3 定理6.1和定理6.2的证明
参考文献
攻读博士学位期间的主要研究成果
致谢
本文编号：3659877
【文章页数】：186 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
缩略词对照表
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 端元提取研究现状
1.2.2 丰度估计研究现状
1.2.3 无监督高光谱解混研究现状
1.3 本文的主要研究内容及章节安排
1.3.1 本文的主要研究内容
1.3.2 本文的章节安排
第2章 高光谱解混基础理论
2.1 引言
2.2 线性混合模型
2.3 非线性混合模型
2.3.1 多重散射混合模型
2.3.2 致密混合模型
2.3.3 基于核函数的混合模型
2.4 非负矩阵分解及其解混应用
2.4.1 非负矩阵分解及其线性解混应用
2.4.2 核非负矩阵分解及其非线性解混应用
2.5 本章小结
第3章 基于数据驱动约束非负矩阵分解的线性解混方法
3.1 引言
3.2 l_q正则化约束
3.3 基于数据驱动约束的非负矩阵分解线性解混
3.3.1 稀疏度评估
3.3.2 数据驱动约束的非负矩阵分解
3.4 实验结果和分析
3.4.1 仿真数据实验
3.4.2 真实数据实验
3.5 本章小结
第4章 基于光谱-空间维鲁棒性非负矩阵分解的线性解混方法
4.1 引言
4.2 基于l_(2,1)范数和l_(1,2)范数的鲁棒性非负矩阵分解
4.2.1 l_(2,1)范数和l_(1,2)范数
4.2.2 l_(2,1)-RNMF
4.2.3 l_(1,2)-RNMF
4.3 基于光谱-空间维鲁棒性非负矩阵分解的线性解混
4.3.1 结合l_(2,1)范数和l_(1,2)范数的光谱-空间维鲁棒性解混模型
4.3.2 模型优化方法
4.3.3 算法实现细节
4.3.4 计算复杂度分析
4.3.5 收敛性分析
4.4 实验结果和分析
4.4.1 仿真数据实验
4.4.2 真实数据实验
4.5 本章小结
第5章 光谱-空间维鲁棒性稀疏约束线性解混方法
5.1 引言
5.2 基于相关熵度量的鲁棒性解混方法
5.2.1 相关熵
5.2.2 基于相关熵的非负矩阵分解
5.3 基于相关熵的光谱-空间维鲁棒性稀疏约束解混
5.3.1 基于相关熵的光谱-空间维鲁棒性稀疏约束解混模型
5.3.2 基于相关熵的光谱-空间维鲁棒性稀疏约束非负矩阵分解
5.4 半二次优化下的鲁棒性稀疏约束解混框架
5.5 实验结果和分析
5.5.1 仿真数据实验
5.5.2 真实数据实验
5.6 本章小结
第6章 基于增量式核非负矩阵分解的非线性解混方法
6.1 引言
6.2 无原象问题的核非负矩阵分解
6.3 基于增量式核非负矩阵分解的非线性解混
6.3.1 增量式核非负矩阵分解算法
6.3.2 改进的增量式核非负矩阵分解算法
6.4 实验结果与分析
6.4.1 仿真数据实验
6.4.2 真实数据实验
6.5 本章小结
第7章 结论与展望
7.1 主要工作和创新点
7.2 工作展望
附录
A.1 定理3.1的证明
A.2 定理4.1的证明
A.3 定理6.1和定理6.2的证明
参考文献
攻读博士学位期间的主要研究成果
致谢
本文编号：3659877
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3659877.html
