本文選題：高光譜解混　切入點(diǎn)：交替方向乘子法　出處：《南京信息工程大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：近年來(lái),高光譜遙感技術(shù)發(fā)展顯著,由于其具有較高的光譜分辨率,高光譜遙感已廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、目標(biāo)偵察、偽裝識(shí)別等重要領(lǐng)域。然而因?yàn)楣庾V成像儀的空間分辨率較低和地表的復(fù)雜多樣性,多種物質(zhì)(端元)的混合像元通常存在于高光譜遙感圖像中。為了提高后續(xù)應(yīng)用的精度,如何從混合像元中分解與提取各種地物光譜(端元)并求得其對(duì)應(yīng)比例(豐度系數(shù))至關(guān)重要。本文基于已知光譜庫(kù)的線性光譜混合模型,充分利用高光譜數(shù)據(jù)的空間相關(guān)性以及豐度系數(shù)的稀疏性,進(jìn)一步提高高光譜混合像元的解混精度。論文主要研究?jī)?nèi)容包括以下兩個(gè)方面:(1)提出一種基于協(xié)同稀疏和TV正則化的高光譜解混模型。該方法在基于已知光譜庫(kù)的線性解混模型中,引入TV正則項(xiàng)對(duì)高光譜鄰域像元間的局部相關(guān)性進(jìn)行約束;同時(shí),為了進(jìn)一步刻畫(huà)豐度系數(shù)的全局行稀疏特性,在模型中加入?yún)f(xié)同稀疏;最后采用交替方向乘子法求解模型。(2)提出一種基于l1-l2 (l1范數(shù)減l2范數(shù))稀疏性與TV正則化的高光譜解混模型。該方法利用l1-l2范數(shù)能夠比l1范數(shù)產(chǎn)生更強(qiáng)的稀疏性,進(jìn)一步降低光譜庫(kù)中光譜特征高相關(guān)性的影響,以及利用TV正則項(xiàng)刻畫(huà)高光譜像元的空間鄰域相關(guān)性,促進(jìn)像元間的平滑性。此方法通過(guò)結(jié)合l1-l2稀疏性與TV正則項(xiàng)建立稀疏解混模型,并利用交替方向乘子法求解模型,從而提高解混精度。模擬高光譜數(shù)據(jù)的實(shí)驗(yàn)結(jié)果證明本文提出的方法能夠比現(xiàn)有同類(lèi)方法獲得更精確的解混結(jié)果,同時(shí)真實(shí)高光譜數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的有效性。
[Abstract]:In recent years, the development of hyperspectral remote sensing technology is significant, because of its high spectral resolution, hyperspectral remote sensing has been widely used in environmental monitoring, target detection, recognition and other important areas of camouflage. However because of the complexity of the diversity of the spatial resolution of the imaging spectrometer and the lower surface, a variety of substances (endmembers) of the mixed pixel usually exist in hyperspectral remote sensing images. In order to improve the accuracy of the subsequent application, how to decompose and extract various spectral from mixed pixels (endmembers) and its corresponding proportion calculated (abundance coefficient) is very important. In this paper, the linear spectral mixture model based on the known spectral library, make full use of the sparsity of the spatial correlation of hyperspectral data and the abundance coefficient, further improve the unmixing accuracy of hyperspectral mixed pixels. The main contents of this thesis include the following two aspects: (1) a method based on sparse and collaborative TV High spectral unmixing model. The method in the linear Library Based on known spectral unmixing model, the introduction of TV regularization of local high spectral correlation between pixels neighborhood constraints; at the same time, in order to further characterize the global row sparsity abundance coefficient, join in collaborative sparse model; finally, by using the alternating direction method to solve the model. (2) based on L1-L2 (L1 minus L2 norm norm) hyperspectral Unmixing Model sparsity and TV regularization. The sparse method using L1-L2 norm to produce a stronger than the L1 norm, to further reduce the influence of spectral spectrum feature high correlation, and describe the high by using TV regularization spectral pixel spatial correlation, and promote the smooth pixels. This method by combining L1-L2 and TV regularization based sparse sparse Unmixing Model and solving the model by using the alternating direction method of multipliers, from The experimental results of simulated hyperspectral data show that the proposed method can get more accurate results than the existing methods. Meanwhile, the experimental results of real hyperspectral data verify the effectiveness of the proposed method.

【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 陳雷;劉靜光;張立毅;李鏘;孫彥慧;;基于像元混合模型估計(jì)的高光譜圖像解混[J];紅外技術(shù);2016年02期

2 陳善學(xué);屈龍瑤;胡燦;;基于空間約束加權(quán)條件稀疏表示高光譜圖像分類(lèi)[J];系統(tǒng)工程與電子技術(shù);2016年02期

3 王茂芝;徐文皙;王璐;郭科;;高光譜遙感影像端元提取算法研究進(jìn)展及分類(lèi)[J];遙感技術(shù)與應(yīng)用;2015年04期

4 趙春暉;肖健鈺;齊濱;;一種改進(jìn)的OMP高光譜稀疏解混算法[J];沈陽(yáng)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

5 鄧承志;張紹泉;汪勝前;田偉;朱華生;胡賽鳳;;L_1稀疏正則化的高光譜混合像元分解算法比較[J];紅外與激光工程;2015年03期

6 宋義剛;吳澤彬;韋志輝;孫樂(lè);劉建軍;;稀疏性高光譜解混方法研究[J];南京理工大學(xué)學(xué)報(bào);2013年04期

相關(guān)博士學(xué)位論文 前2條

1 楊華東;高光譜遙感影像光譜解混算法研究[D];大連海事大學(xué);2015年

2 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

相關(guān)碩士學(xué)位論文 前5條

1 郭陽(yáng);聯(lián)合近似稀疏和全變差正則化的高光譜影像混合像元分解[D];江西科技師范大學(xué);2015年

2 林雅文;基于空間相關(guān)性約束稀疏表示的高光譜圖像解混方法研究[D];南京航空航天大學(xué);2014年

3 黃春海;基于非負(fù)矩陣分解的高光譜圖像解混技術(shù)研究[D];西安電子科技大學(xué);2014年

4 葉舜;基于GPU的高光譜圖像混合像元分解并行優(yōu)化研究[D];南京理工大學(xué);2014年

5 鐘曉姣;高光譜數(shù)據(jù)混合像元分解與光譜匹配驗(yàn)證算法[D];南京理工大學(xué);2013年

，

本文編號(hào)：1620513