本文選題：高光譜圖像 + 譜解混��； 參考：《電子學報》2017年02期

【摘要】：針對線性混合模型在實際高光譜圖像解混過程中的局限性,提出一種新的基于微分搜索的非線性高光譜圖像解混算法.在廣義雙線性模型的基礎上采用重構誤差作為解混的目標函數,將非線性解混問題轉化為最優(yōu)化問題.將目標函數中的待求參數映射為微分搜索過程中的位置變量,利用微分搜索算法對目標函數進行優(yōu)化求解.在求解過程中,通過執(zhí)行搜索范圍控制等機制滿足高光譜圖像解混的約束要求,進而求得豐度系數和非線性參數,實現非線性高光譜圖像解混.仿真數據和真實遙感數據實驗結果表明,所提出的非線性解混算法可以有效克服線性模型下解混算法的局限性,避免了由于使用梯度類優(yōu)化方法而易陷入局部收斂的問題,較之其它高光譜圖像解混算法具有更好的解混精度.
[Abstract]:In view of the limitation of the linear hybrid model in the actual hyperspectral image mixing process, a new nonlinear hyperspectral image mixing algorithm based on differential search is proposed. Based on the generalized bilinear model, the reconstruction error is used as the objective function of the mixed solution, and the nonlinear problem is transformed into the optimization problem. The objective function is made by the objective function. The parameters in the process are mapped to the position variables in the differential search process, and the differential search algorithm is used to optimize the target function. In the process, the constraint requirements of the hyperspectral image are satisfied by the execution of the search range control mechanism, and the abundance coefficient and the nonlinear parameters are obtained, and the nonlinear hyperspectral image solution is realized. The experimental results of simulation data and real remote sensing data show that the proposed nonlinear mixing algorithm can effectively overcome the limitation of the solution mixing algorithm under linear model and avoid the problem of local convergence because of the gradient class optimization method, and has a better solution precision than the other hyperspectral image mixing algorithm.

【作者單位】： 天津大學精密儀器與光電子工程學院;天津商業(yè)大學信息工程學院;光電信息技術教育部重點實驗室;河北工業(yè)大學電子信息工程學院;
【基金】：國家自然科學基金(No.61401307) 中國博士后科學基金(No.2014M561184) 天津市應用基礎與前沿技術研究計劃項目(No15JCYBJC17100)
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數據描述方法[J];兵工學報;2008年09期

2 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術;2010年04期

3 成寶芝;郭宗光;;高光譜圖像波段間相關特性研究[J];大慶師范學院學報;2013年06期

4 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

5 汪倩;陶鵬;;結合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

6 王立國;孫杰;肖倩;;結合空-譜信息的高光譜圖像分類方法[J];黑龍江大學自然科學學報;2010年06期

7 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學學報(自然科學版);2012年02期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術學院學報;2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學報;2004年04期

10 張綺瑋;機載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

相關會議論文 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術與應用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數據降維與分類技術研究[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術的獼猴桃硬度品質檢測[A];走中國特色農業(yè)機械化道路——中國農業(yè)機械學會2008年學術年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質量綜合評價[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學學會2010年光學大會論文集[C];2010年

相關博士學位論文 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復旦大學;2014年

2 王亮亮;非線性流形結構在高光譜圖像異常檢測中的應用研究[D];國防科學技術大學;2014年

3 賀智;改進的經驗模態(tài)分解算法及其在高光譜圖像分類中的應用[D];哈爾濱工業(yè)大學;2014年

4 魏然;基于成像機理分析的高光譜圖像信息恢復研究[D];哈爾濱工業(yè)大學;2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學;2015年

6 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學;2014年

7 孫濤;快速多核學習分類研究及應用[D];西安電子科技大學;2015年

8 李昌國;基于譜間和校正相關性的高光譜圖像壓縮方法研究及GPU并行實現[D];成都理工大學;2015年

9 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學;2015年

10 南一冰;星載推掃型高光譜運動成像誤差建模與高精度校正技術研究[D];北京理工大學;2015年

相關碩士學位論文 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學;2015年

2 趙偉彥;果蔬干燥過程中的品質無損檢測技術研究[D];江南大學;2015年

3 馬亞楠;果蔬中內部害蟲的高光譜圖像檢測技術研究[D];江南大學;2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術無損識別獼猴桃膨大果[D];西北農林科技大學;2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應用研究[D];南京理工大學;2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學;2015年

7 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學;2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學;2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學;2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1793120