本文選題：高光譜遙感　切入點：核方法　出處：《武漢大學(xué)學(xué)報(信息科學(xué)版)》2017年03期

【摘要】：為了提高高光譜遙感圖像混合像元分解的精度,提出基于核方法的高光譜線性解混。采用核化正交子空間投影(orthogonal subspace projection,OSP)算子、最小二乘正交子空間投影(least squares OSP,LSOSP)算子、非負(fù)約束最小二乘(nonnegative constrained least-squares,NCLS)算子和全約束最小二乘(fully constrained least-squares,FCLS)算子等方法分別構(gòu)建核正交子空間投影(Kernel OSP,KOSP)、核最小二乘正交子空間投影(Kernel LSOSP,KLSOSP)、核非負(fù)約束最小二乘(Kernel NCLS,KNCLS)和核全約束最小二乘(Kernel FCLS,KFCLS)高光譜圖像混合像元解混模型。對CUPRITE礦區(qū)AVIRIS數(shù)據(jù)進(jìn)行KLSOSP、KNCLS和KFCLS與LSOSP、NCLS和FCLS豐度反演對比實驗,結(jié)果表明,對于混合像元廣泛存在的高光譜遙感圖像來說,基于核方法的KLSOSP,KNCLS和KFCLS的解混精度優(yōu)于LSOSP,NCLS和FCLS;附加約束條件有利于提高豐度反演的精度。
[Abstract]:In order to improve the accuracy of mixed pixel decomposition of hyperspectral remote sensing images, a kernel-based method for hyperspectral linear descrambling is proposed. The kernel orthogonal subspace projection orthogonal subspace projectionOSPP operator and the least square orthogonal subspace projection least squares OSPP operator are used. Non-negative constrained least-squares (NCLS) operator and fully constrained least squares (FCLS) operator are used to construct kernel orthogonal subspace projection Kernel OSPKO SPN, kernel least squares orthogonal subspace projection Kernel LSOSPKLSOSPS, kernel non-negative constrained least squares Kernel NCLS KNCLS) and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, respectively, and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, kernel non-negative constrained least squares (Kernel NCLS KCLS) and kernel orthogonal subspace projection Kernel LSOSPKLSOSPS, respectively. The mixed pixel demultiplexing model for hyperspectral images of fully constrained least squares Kernel FCLS / KFCLS. The contrast experiments of KLSOSPNCLS and KFCLS with LSOSPNCLS and FCLS abundance inversion are carried out on the AVIRIS data of CUPRITE mining area. The results show that for hyperspectral remote sensing images where mixed pixels are widespread, the resolution accuracy of KLSOSPNCLS and KFCLS based on kernel method is better than that of LSOSPNCLS and FCLS, and the addition of constraint conditions is helpful to improve the accuracy of abundance inversion.
【作者單位】： 重慶交通大學(xué)土木工程學(xué)院測繪系;成都理工大學(xué)地學(xué)空間信息技術(shù)國土資源部重點實驗室;重慶市地理信息中心;
【基金】：國家自然科學(xué)基金(41071265) 重慶市教委科技項目(KJ1400325) 武漢大學(xué)測繪遙感信息工程國家重點實驗室開放研究基金(13R03) 重慶交通大學(xué)博士基金(2012kjc2-011) 重慶市基礎(chǔ)與前沿研究重點項目(cstc2015jcyjBX0023)~~
【分類號】：TP751;P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜培軍;陳云浩;;高光譜遙感信息智能處理的若干理論與技術(shù)問題[J];科技導(dǎo)報;2006年01期

2 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測繪科學(xué);2008年S3期

3 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測繪科學(xué);2008年S1期

4 岳躍民;王克林;張兵;陳正超;;高光譜遙感在生態(tài)系統(tǒng)研究中的應(yīng)用進(jìn)展[J];遙感技術(shù)與應(yīng)用;2008年04期

5 方紅亮,田慶久;高光譜遙感在植被監(jiān)測中的研究綜述[J];遙感技術(shù)與應(yīng)用;1998年01期

6 王建宇;高光譜遙感──給人類配上一副神眼[J];世界科學(xué);1999年12期

7 譚昌偉,王紀(jì)華,黃文江,劉良云,黃義德,嚴(yán)偉才;高光譜遙感在植被理化信息提取中的應(yīng)用動態(tài)[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2005年05期

8 陶秋香;;植被高光譜遙感分類方法研究[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2007年05期

9 龔紹琦;黃家柱;李云梅;陸皖寧;王海君;王國祥;;水體氮磷高光譜遙感實驗研究初探[J];光譜學(xué)與光譜分析;2008年04期

10 孫蕾;羅建書;;高光譜遙感圖像微分域三維混合去噪方法[J];光譜學(xué)與光譜分析;2009年10期

相關(guān)會議論文 前10條

1 張霞;劉良云;趙春江;張兵;;利用高光譜遙感圖像估算小麥氮含量研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2002年

2 杜培軍;陳云浩;;高光譜遙感信息智能處理的基礎(chǔ)研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 徐元進(jìn);胡光道;;取締閥值的高光譜遙感光譜匹配分類信息制圖[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

4 張永強(qiáng);文麗萍;王振營;;高光譜遙感在監(jiān)測作物受病蟲肥脅迫中的應(yīng)用[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 王藝婷;黃世奇;王紅霞;;從信息的角度看高光譜遙感技術(shù)[A];國家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國家安全[C];2013年

6 李京;蔣衛(wèi)國;;高光譜遙感在濕地監(jiān)測與分類中的應(yīng)用[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

7 房華樂;任潤東;蘇飛;梁勇;;高光譜遙感在農(nóng)業(yè)中的應(yīng)用[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

8 黃娟;郭明克;張永梅;閆濤;王寧;;利用高光譜遙感資料提取赤潮信息方法研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2002年

9 杜培軍;方濤;林卉;;高光譜遙感影像降維方法研究[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

10 王新鴻;唐伶俐;馬靈玲;;高光譜遙感在內(nèi)陸水質(zhì)監(jiān)測中的應(yīng)用[A];現(xiàn)代測量技術(shù)與地理信息系統(tǒng)科技創(chuàng)新及產(chǎn)業(yè)發(fā)展研討會論文集[C];2009年

相關(guān)重要報紙文章 前4條

1 張學(xué)君;高光譜遙感技術(shù)助力覆蓋區(qū)找礦[N];中國國土資源報;2011年

2 記者 金小平;中國地調(diào)局舉辦高光譜遙感找礦培訓(xùn)班[N];中國礦業(yè)報;2007年

3 中國科學(xué)院院士、國際歐亞科學(xué)院院士 童慶禧;我國高光譜遙感的發(fā)展[N];中國測繪報;2008年

4 文龍 胡軍;張立福：用光譜觀測大地的人[N];科技日報;2012年

相關(guān)博士學(xué)位論文 前10條

1 張海濤;基于興趣體保護(hù)的高光譜遙感圖像壓縮技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2014年

2 王霄鵬;黃河三角洲濕地典型植被高光譜遙感研究[D];大連海事大學(xué);2014年

3 孫蕾;小波構(gòu)造理論及其在高光譜遙感圖像去噪與壓縮中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

4 譚炳香;高光譜遙感森林類型識別及其郁閉度定量估測研究[D];中國林業(yè)科學(xué)研究院;2006年

5 田豐;全波段（0.35～25μm）高光譜遙感礦物識別和定量化反演技術(shù)研究[D];中國地質(zhì)大學(xué)（北京）;2010年

6 劉康;基于主動學(xué)習(xí)的高光譜圖像分類技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2014年

7 劉偉東;高光譜遙感土壤信息提取與挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

8 沈照慶;基于支持向量機(jī)（SVM）的高光譜影像智能化分析關(guān)鍵問題研究[D];武漢大學(xué);2010年

9 馮燕;高光譜圖像壓縮技術(shù)研究[D];西北工業(yè)大學(xué);2006年

10 葉成名;基于高光譜遙感的青藏高原巖礦信息提取方法與應(yīng)用研究[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 柳家福;基于GPU的礦產(chǎn)資源高光譜遙感探測數(shù)據(jù)快速處理[D];南京理工大學(xué);2015年

2 張小東;基于光譜解混的高光譜遙感烴弱信息提取[D];成都理工大學(xué);2015年

3 劉淼;不同營養(yǎng)水平冬小麥長勢高光譜遙感監(jiān)測[D];西北農(nóng)林科技大學(xué);2016年

4 牛璐璐;航空高光譜遙感影像自動拼接技術(shù)研究[D];吉林大學(xué);2016年

5 丁小輝;基于蟻群算法的高光譜遙感影像地物分類研究[D];中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2016年

6 顏丙囤;基于“星—地”遙感數(shù)據(jù)的植被參數(shù)反演模型研究與應(yīng)用[D];中國礦業(yè)大學(xué);2016年

7 湯媛媛;面向桌面系統(tǒng)的高光譜遙感影像線性降維異構(gòu)并行算法研究與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2015年

8 陳東來;高光譜遙感場景成像模型研究[D];哈爾濱工業(yè)大學(xué);2009年

9 楊文韜;一種結(jié)合萬有引力的高光譜遙感影像無監(jiān)督分類算法[D];成都理工大學(xué);2011年

10 顧桂華;高光譜遙感場景模型仿真研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號：1700676