基于压缩感知的高光谱图像稀疏解混方法研究

发布时间：2017-08-30 10:10

  本文关键词：基于压缩感知的高光谱图像稀疏解混方法研究

  更多相关文章： 压缩感知 稀疏解混 测量矩阵 低秩分解 高光谱图像

【摘要】：随着卫星传感器空间分辨率的不断提高,消除光谱二次反射效应能力的不断增强,给高光谱图像分类带来了新的研究机遇,但是由于复杂实测地物的多样性、地物光谱多次散射以及实时变化等问题,高光谱图像的混元解混问题(Mixed Pixel Decomposition)成为遥感领域新的研究难点。论文针对高光谱解混过程中存在的分解精度不高,端元数目冗余以及处理速度慢等问题,以压缩感知理论作为研究工具,充分利用光谱库中丰度系数向量的稀疏性,对解混预处理、端元特征提取以及端元子空间划分等内容展开了研究。针对高光谱图像稀疏解混过程中随机测量矩阵造成的观测向量不确定性,本文建立搜索测量矩阵宽度和稀疏度的整数规划数学模型,引入混沌蚁群算法来确定测量矩阵的参数。以混沌Tent Map系统产生的伪随机序列为基础,按照循环/块对角分裂结构,构造出改进混沌托普利兹矩阵。利用该测量矩阵与投影矩阵的相关性,在随机梯度下降算法中引入块SVD分解策略,获得优化改进混沌托普利兹测量矩阵。测试实验表明,该优化测量矩阵在端元特征提取过程中,不仅能够有效的减少了端元特征的数目,保持了较高的处理速度,而且保证了更精确的特征提取精度。由于卫星传感器在采集过程中云层、大气等实时加性噪声,量化过程中量化噪声以及高光谱成像仪和对象地物间的相对运动造成的线性模糊都会使得高光谱图像质量下降,产生稀疏解混的端元提取精度问题,论文提出一种改进分裂Bregman迭代与改进型最小近似共轭梯度相结合的解决方案,通过改进型最小近似共轭梯度算法检测光谱信号的尖峰和突变部分,采用并行优化加速策略提高分裂Bregman迭代策略收敛速度,引入了迭代重复加权策略改造字典学习,抑制含噪信号的乘性噪声。实验表明,针对不同的噪声,该策略不仅能够很好的提取和保留实时信号中的尖峰和突变部分,而且具有鲁棒重构原始测试信号的能力,为后续实现混元区域的多端元稀疏解混中提高分解精度提供了帮助。针对如何将高维数据划分为端元子空间来提高混元分解精度和处理时间的问题,提出了一种结合改进型交替方向法与鲁棒主成分分析(RPCA)的实时低秩分解策略,通过预测学习训练在线字典实现低秩分解,采用冗余补偿技术降低低秩分解中的误差,引入块自适应SVD分解策略提高低秩分解的速度,将该策略应用于高光谱信号的稀疏子空间聚类,达到划分端元子空间提高解混分解精度的目的。实验研究表明,该策略是一种实时特征降维中有效的分类方法,能够实现实时端元特征降维中有效波段分类。最后,本文的主要研究工作是将压缩感知理论中所取得的测量矩阵构造与优化、高光谱图像噪声背景下的鲁棒重构以及高维信号的低秩分解等主要研究成果对于高光谱稀疏解混中端元特征提取、解混预处理以及端元子空间划分等问题进行了有益的尝试,重在提高稀疏解混的端元特征提取精度以及提取速度,实现高光谱图像的多端元稀疏解混。
【关键词】：压缩感知 稀疏解混 测量矩阵 低秩分解 高光谱图像
【学位授予单位】：重庆大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 中文摘要3-5
• 英文摘要5-10
• 1 绪论10-22
• 1.1 研究背景与意义10-11
• 1.2 高光谱解混的研究现状11-14
• 1.3 目前仍然存在的问题概述14-15
• 1.4 压缩感知的研究现状15-19
• 1.5 主要研究工作19-22
• 2 确定性测量矩阵构造与优化策略22-46
• 2.1 测量矩阵参数选择22-29
• 2.1.1 参数的讨论23-27
• 2.1.2 搜索最佳参数的数学模型27-28
• 2.1.3 混沌蚁群搜索策略28-29
• 2.2 确定性测量矩阵的构造29-33
• 2.2.1 混沌测量矩阵29-31
• 2.2.2 改进型托普利兹构造策略31-33
• 2.3 测量矩阵的优化33-36
• 2.3.1 优化数学基础33-35
• 2.3.2 BSVD-SGD优化策略35-36
• 2.4 仿真实验36-43
• 2.4.1 测量矩阵评价指标36-37
• 2.4.2 不同参数下混沌序列构成测量矩阵的结果及分析37-39
• 2.4.3 不同构造策略下测量矩阵的恢复效果对比39-41
• 2.4.4 不同优化策略优化测量矩阵的效果对比41-43
• 2.5 本章小结43-46
• 3 退化高光谱图像的去噪去模糊策略46-74
• 3.1 降噪理论分析46-48
• 3.1.1 降噪稀疏追踪模型46-47
• 3.1.2 量化噪声分析47-48
• 3.2 降噪策略分析48-51
• 3.2.1 改进型梯度下降法分析49-50
• 3.2.2 分裂降噪策略分析50-51
• 3.3 去噪去模糊策略研究51-58
• 3.3.1 改进型最小近似共轭梯度策略描述及其分析52-55
• 3.3.2 改进Bregman分裂迭代策略方法描述及分析55-57
• 3.3.3 基于字典学习的迭代重复加权追踪解决策略57-58
• 3.4 降噪仿真实验结果与应用分析58-71
• 3.4.1 量化噪声仿真结果59-61
• 3.4.2 重构追踪仿真效果61-63
• 3.4.3 噪声情况下重构追踪仿真结果63-67
• 3.4.4 图像降噪重构追踪结果67-69
• 3.4.5 图像降噪去模糊重构追踪结果69-71
• 3.5 本章小结71-74
• 4 高维信号的实时低秩分解策略74-88
• 4.1 数学模型的建立74-75
• 4.2 常见解决策略的分析与讨论75-77
• 4.2.1 交替方向算法75-76
• 4.2.2 在线字典学习策略76-77
• 4.3 改进型交替方向法的讨论77-80
• 4.3.1 基于冗余补偿的分块自适应奇异值分解策略77-78
• 4.3.2 基于预测学习的训练在线字典策略78-79
• 4.3.3 低秩分解算法步骤与流程图79-80
• 4.4 实验仿真与应用分析80-87
• 4.4.1 传统高维特征检测方法及其分析80-81
• 4.4.2 改进的鲁棒主成分分析算法结果及分析81-83
• 4.4.3 改进的稀疏子空间聚类算法结果及分析83-87
• 4.5 本章小结87-88
• 5 基于光谱库的多端元稀疏解混问题研究88-102
• 5.1 多端元稀疏特征检测数学模型88-89
• 5.2 检测步骤与流程图89-92
• 5.3 实测高光谱信号分析92-100
• 5.3.1 构造优化测量矩阵分析93-94
• 5.3.2 降噪去模糊重构追踪效果94-95
• 5.3.3 高维信号稀疏特征提取95-97
• 5.3.4 混元区域的解混结果评价97-100
• 5.4 本章小结100-102
• 6 结论和展望102-104
• 6.1 全文总结102-103
• 6.2 总结和展望103-104
• 致谢104-106
• 参考文献106-118
• 附录118-119
• A. 作者在攻读博士学位期间发表的论文目录118-119
• B. 作者在攻读博士学位期间参加的科研项目119
• C. 申请人在攻读博士学位期间参加的学术会议情况119

【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 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

3 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

4 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

5 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

6 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

7 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

8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02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 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007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

，

本文编号：758677