【摘要】：端元提取,豐度反演是高光譜遙感技術(shù)的重要內(nèi)容,其中端元提取是關(guān)鍵的步驟。首次將特征提取算法speed-up robust features(SURF)引入到高光譜影像端元提取中。兼顧高光譜影像豐富的光譜信息改進(jìn)了SURF算法,提出了在多維尺度空間內(nèi)尋找極值點(diǎn)作為端元的高光譜影像端元提取新算法,即多維SURF(multi-dimensional speed-up robust features,MDSURF)算法;將其應(yīng)用于美國(guó)EO—1衛(wèi)星獲取的云南中甸普朗地區(qū)的Hyperion高光譜影像,并成功提取了影像端元。為了進(jìn)一步驗(yàn)證結(jié)果的可靠性,設(shè)計(jì)兩組對(duì)比實(shí)驗(yàn),分別利用N-FINDR和連續(xù)最大角凸錐(sequential maximum angle convex cone,SMACC)算法在同等條件下提取實(shí)驗(yàn)影像的端元,然后對(duì)三種方法的結(jié)果進(jìn)行綜合評(píng)價(jià)和分析,得出MD-SURF算法提取端元的觀感效果較好、精度最高、質(zhì)量最好。提出了一種新的高光譜影像端元提取算法,實(shí)驗(yàn)結(jié)果表明新方法具有精度高、魯棒性好等特點(diǎn),證明了基于新物理機(jī)理的MD-SURF算法是一種可行的高光譜端元提取算法。
[Abstract]:End-component extraction and abundance inversion are important contents of hyperspectral remote sensing technology. End-component extraction is a key step. For the first time, feature extraction algorithm (speed-up robust features (SURF) is introduced into the End-component extraction of hyperspectral images. Taking into account the rich spectral information of hyperspectral images, the SURF algorithm is improved, and a new algorithm, multi-dimensional speed-up robust features MDSURF (multi-dimensional speed-up robust features MDSURF) algorithm, is proposed to extract hyperspectral images with extreme points as endpoints in multidimensional scale space. It has been applied to the Hyperion hyperspectral images obtained from the EO-1 satellite of Yunnan Zhongdian Plang area and the image endpoints have been extracted successfully. In order to further verify the reliability of the experimental results, two groups of comparative experiments were designed to extract the endpoints of experimental images under the same conditions using N-FINDR and (sequential maximum angle convex conical SMACC algorithm respectively. Then the results of the three methods are evaluated and analyzed synthetically. It is concluded that the MD-SURF algorithm has the best quality and the highest precision. A new End-component extraction algorithm for hyperspectral images is proposed. The experimental results show that the new method has the advantages of high precision and good robustness. It is proved that the MD-SURF algorithm based on the new physical mechanism is a feasible algorithm for extracting hyperspectral endelements.
【作者單位】： 中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41271436) 中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金(2009QD02)資助
【分類(lèi)號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊建成;朱述龍;朱寶山;趙泳;李二森;;圖像端元全自動(dòng)提取方法研究[J];海洋測(cè)繪;2009年02期

2 朱述龍;齊建成;朱寶山;曹聞;;以凸面單體邊界為搜索空間的端元快速提取算法[J];遙感學(xué)報(bào);2010年03期

3 王立國(guó);張晶;劉丹鳳;王群明;;從端元選擇到光譜解混的距離測(cè)算方法[J];紅外與毫米波學(xué)報(bào);2010年06期

4 曹建農(nóng);王貝貝;何曉寧;;高光譜端元自動(dòng)確定與提取的迭代算法[J];遙感學(xué)報(bào);2013年02期

5 吳波,張良培,李平湘;高光譜端元自動(dòng)提取的迭代分解方法[J];遙感學(xué)報(bào);2005年03期

6 陳子玄;武文波;;基于線(xiàn)性混合模型的端元提取方法綜述[J];測(cè)繪科學(xué);2008年S3期

7 陳子玄;武文波;;基于線(xiàn)性混合模型的端元提取方法綜述[J];測(cè)繪科學(xué);2008年S1期

8 李熙;關(guān)澤群;秦昆;張力;曹靈靈;;基于貝葉斯推理的像元內(nèi)部端元選擇模型[J];光學(xué)學(xué)報(bào);2009年09期

9 彭青青;楊遼;王杰;沈金祥;;基于異常探測(cè)的高光譜端元提取方法研究[J];遙感技術(shù)與應(yīng)用;2011年04期

10 崔建濤;王晶;厲小潤(rùn);趙遼英;;基于空間像素純度指數(shù)的端元提取算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年09期

相關(guān)會(huì)議論文 前1條

1 王百合;劉志剛;李義紅;;基于光譜角分析的端元光譜聚類(lèi)方法研究[A];國(guó)家安全地球物理叢書(shū)（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

相關(guān)博士學(xué)位論文 前2條

1 齊濱;高光譜圖像分類(lèi)及端元提取方法研究[D];哈爾濱工程大學(xué);2012年

2 黃遠(yuǎn)程;高光譜影像混合像元分解的若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 張甬榮;基于有效端元集的雙線(xiàn)性解混模型研究及應(yīng)用[D];大連海事大學(xué);2013年

2 武鶴;基于數(shù)學(xué)形態(tài)學(xué)的高光譜圖像端元提取技術(shù)研究[D];成都理工大學(xué);2011年

3 王麗姣;基于單形體體積增長(zhǎng)的高光譜圖像端元提取及快速實(shí)現(xiàn)[D];浙江大學(xué);2015年

4 于琦;超光譜圖像端元提取算法研究及其FPGA驗(yàn)證[D];長(zhǎng)春理工大學(xué);2014年

5 弋方;高光譜遙感圖像端元提取算法研究與系統(tǒng)實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 侯浩亮;基于FPGA的高光譜圖像實(shí)時(shí)端元提取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

7 路漫漫;融合PSO的N-FINDR改進(jìn)端元提取算法研究[D];大連海事大學(xué);2014年

，

本文編號(hào)：2195959