【摘要】：高光譜解混是當前遙感領(lǐng)域一個熱門的研究課題,是為了提取單個像元中更深層更精確的信息。它的主要內(nèi)容是通過分解混合像元來獲取實際的物質(zhì)存在和對應物質(zhì)的比例。通過對單個像元組成更加精確的分析和計算,能夠大大地推動測繪和識別課題的研究。由于遙感技術(shù)本身的空間分辨率低,故而混合像元對應實際的地表上一個區(qū)域塊,根據(jù)地表物質(zhì)分布的特征,在某個區(qū)域塊中分布的物質(zhì)一般是相同的,那么對應的物質(zhì)占比也存在一定的結(jié)構(gòu)特征。傳統(tǒng)的高光譜解混方法一般是對高光譜圖像的整體性質(zhì)來做限制約束進行解混工作。本文則通過提取高光譜區(qū)域相似塊,根據(jù)在區(qū)域塊分布的物質(zhì)基本一致的這個特征,提取和利用更深層次的局部空間信息。具體工作如下:1.在高光譜圖像局部的區(qū)域塊中,端元的分布基本是相同的,利用超像素分割(Simple Linear Iterative Cluster,SLIC)算法將高光譜圖像分割為很多相似度很高的區(qū)域塊。在這些獲取的區(qū)域塊中,可以基本認定端元的分布是相同的,進而在NMF的基礎(chǔ)上,可以利用其對應的豐度的特征,進而獲取更加精確有效的解混結(jié)果。2.核范數(shù)是指矩陣奇異值的和,根據(jù)奇異值的重要性的不同,賦予每個奇異值一個權(quán)值,重要的權(quán)值相對應大,反之則小。加權(quán)核范數(shù)表示矩陣奇異值的加權(quán)和,能更加靈活和有效的表達低秩信息,同時有比較良好的抗噪特性。在超像素分割的基礎(chǔ)上,利用每個小塊的空間特征信息,使用加權(quán)核范數(shù)算法獲取更加有效的解混精度,并且對外界噪聲干擾有一定的抑制作用。3.結(jié)構(gòu)化稀疏(l_(2,1)范數(shù))不同于l_2,l_1范數(shù)的稀疏,l_(2,1)范數(shù)更要求行稀疏。在針對解混效率方面它更勝一籌。但是,對于整幅高光譜圖像解混而言,獲取的豐度圖像在本質(zhì)上是稀疏的表現(xiàn),l_(2,1)范數(shù)則充分的利用了稀疏的特性,但是并未充分利用結(jié)構(gòu)化。本方法是在超像素分割的基礎(chǔ)上,獲取區(qū)域相似的區(qū)域塊中豐度的特征表現(xiàn)是結(jié)構(gòu)化明顯的。因為區(qū)域塊端元的存在是一定的并且相同的。有效的利用了結(jié)構(gòu)化的特征,獲取更加有效的解混精度。4.信息熵是表示信息量的多少。變量的不確定性越大就信息量也就越大。利用熵來提取矩陣中奇異值的信息,能夠簡潔的體現(xiàn)出該矩陣的低秩性質(zhì)和稀疏性質(zhì)。根據(jù)獲取的局部區(qū)域塊中的空間特征信息,利用信息熵函數(shù)來約束矩陣的奇異值,更加精確的表示當前區(qū)域塊中的空間信息。有效充分的利用了局部信息,獲取了更加精確的解混結(jié)果。
【圖文】：

第一章 緒論本章最開始概述了遙感研究方向的背景和意義，接著敘述了遙感技術(shù)以及它的歷史，然后描述了高光譜解混技術(shù)在圖像處理領(lǐng)域的發(fā)展以及現(xiàn)實工作中的應用后一節(jié)說明了本文的工作創(chuàng)新點和章節(jié)布局。.1研究背景和意義遙感技術(shù)是使用航天器或者航空遙感器對地表、氣候、環(huán)境等多項進行探測和的一種多學科相結(jié)合的，，綜合性很強的高精尖技術(shù)[1]。經(jīng)過近幾十年科學的不斷和實際技術(shù)的不斷推廣，已廣泛應用于氣象[2]、能源[3]、水利[4]、環(huán)境檢測[5]、[6]、項目工程[7]、安全[8]、自然災害檢測[9]和國防[10]等多個研究領(lǐng)域，而且大大進了各行各業(yè)的前進的步伐。遙感技術(shù)的廣泛應用更能表現(xiàn)出當前它的舉足輕重位。

最后簡要介紹了在解混課題研究領(lǐng)域中應用廣泛體的描述其優(yōu)化過程。本章對經(jīng)典解混理論的敘述，為本章后供了基礎(chǔ)理論支撐。元分解模型概述混算法必須先假定該研究的對象的混合像元的混合模式，接著提出對應針對性的算法來求解問題。按照實際高光譜形成過最多的三類模式分別如下章節(jié)概述。性混合模型合像元的線性混合模型是假定從地面上反射到達遙感傳感器的一種物質(zhì)（即表示為端元）發(fā)生作用。這種假設(shè)并不會考慮和其他的設(shè)備等額外因素的影響。正是因為遙感傳感器自身空才使得不僅僅只包含一種物質(zhì)信息的像元大量出現(xiàn)于高光譜圖
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前6條

1 唐曉燕;高昆;倪國強;;高光譜圖像非線性解混方法的研究進展[J];遙感技術(shù)與應用;2013年04期

2 薛綺,匡綱要,李智勇;基于線性混合模型的高光譜圖像端元提取[J];遙感技術(shù)與應用;2004年03期

3 錢樂祥,泮學芹,趙芊;中國高光譜成像遙感應用研究進展[J];國土資源遙感;2004年02期

4 呂長春,王忠武,錢少猛;混合像元分解模型綜述[J];遙感信息;2003年03期

5 李劍萍,鄭有飛;氣象衛(wèi)星混合像元分解研究綜述[J];中國農(nóng)業(yè)氣象;2000年02期

6 童慶禧;遙感科學技術(shù)進展[J];地理學報;1994年S1期

相關(guān)碩士學位論文 前1條

1 黃春海;基于非負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;2014年

本文編號：2625488