【摘要】：光譜解混在高光譜圖像應(yīng)用中起著重要作用。由于傳感器的低空間分辨率和特征分布的復(fù)雜性,高光譜圖像中每個像元通常包含多于一個的特征對象。因此光譜解混作為許多高光譜圖像應(yīng)用背后的一項極具挑戰(zhàn)性任務(wù),旨在將每個混合像元的測量光譜分解為組成光譜(端元)和相應(yīng)的一組比率(豐度)。作為一種半監(jiān)督的解混策略,稀疏解混已經(jīng)受到廣泛的關(guān)注與研究。同基于幾何和統(tǒng)計的解混算法相比,稀疏解混避免了提取沒有物理意義的虛擬端元的問題。本文對近年來高光譜圖像稀疏解混算法的國內(nèi)外研究現(xiàn)狀進(jìn)行了總結(jié),針對全變差正則化變量分離與增量拉格朗日(SUnSAL-TV)算法求解的豐度圖像存在邊緣模糊與過平滑的現(xiàn)象,提出了一種結(jié)構(gòu)張量全變差再優(yōu)化稀疏解混算法。根據(jù)結(jié)構(gòu)張量全變差具有捕獲局部鄰域周圍一階信息的能力,在SUnSAL-TV解混模型中引入結(jié)構(gòu)張量全變差正則項來校正求解的豐度矩陣,提高解混精度。在合成數(shù)據(jù)與真實高光譜數(shù)據(jù)上的實驗中已得到證明,提出的算法獲得更好的解混性能,能夠有效地克服豐度矩陣的過平滑與邊緣模糊。此外,考慮到局部協(xié)同稀疏解混算法使用固定窗口來包含局部空間信息是不嚴(yán)謹(jǐn)?shù)?提出了基于超像素的局部協(xié)同稀疏解混算法。采用基于四元數(shù)顏色距離理論和基于簡單線性迭代聚類的超像素分割算法可以將圖像分割為多個同質(zhì)區(qū)域,分割所得的每個同質(zhì)區(qū)所包含的像元具有相似的光譜特性,在每個同質(zhì)區(qū)域內(nèi)執(zhí)行協(xié)同稀疏解混可以更精確地包含局部空間信息。同時,考慮到自然圖像中非局部相似塊的存在,作為超像素分割算法的擴(kuò)展,提出了一種非局部超像素分割算法來改進(jìn)簡單線性迭代聚類(SLIC)算法,提出的算法會包含更豐富的空間先驗信息。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751
【圖文】：

和意義在沒有接觸的情況下探測和感知遠(yuǎn)距離目其類型、特征和所處的環(huán)境條件不同而具有所以遙感可以根據(jù)收集的電磁波判斷地物ectral Remote Sensing)技術(shù)是20世紀(jì)80年代是一種結(jié)合了成像技術(shù)和光譜技術(shù)的多維圍覆蓋了電磁波段的紫外到紅外區(qū)域，通過幾何空間信息和一維光譜信息。因此，獲得像數(shù)據(jù)[3]。高光譜圖像的光譜分辨率達(dá)到現(xiàn)目標(biāo)圖像二維空間景象信息的同時還提技術(shù)是通過處理目標(biāo)圖像的光譜特征和空地物目標(biāo)的目的。這對遙感圖像在諸如醫(yī)物識別[7]、軍事偵察[8]等方面都具有重要

3 3SUnSAL 算法是針對單像元的稀疏回歸算法，該算法沒有考慮高光譜圖像間先驗信息，雖然算法的復(fù)雜度較低，但解混性能卻較差。2.4 CLSUnSAL 算法Iordache M D 等人考慮在稀疏解混的數(shù)學(xué)模型中引入空間先驗信息，他們出現(xiàn)在一個高光譜圖像中的端元是少數(shù)的且所有像元共享同樣活躍的端元集于上述假設(shè)他們提出了協(xié)同稀疏解混算法(CLSUnSAL)，由于所有像元共享的端元集，豐度矩陣只有少數(shù)幾個非零行，即該算法強(qiáng)調(diào)的是全局協(xié)同稀疏5]。與 SUnSAL 算法為豐度矩陣添加1 范數(shù)稀疏約束來實現(xiàn)單像元的稀疏限同，CLSUnSAL 通過為豐度矩陣添加2,1 [28]范數(shù)稀疏約束來實現(xiàn)對豐度矩陣局協(xié)同稀疏限制。為了便于理解和說明 CLSUnSAL 算法數(shù)學(xué)模型中2,1 范數(shù)約束正則項(也稱為協(xié)同正則項)的作用，圖 2.1 展示了協(xié)同稀疏解混算法的示意圖。1x

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

5 葉珍;白t

本文編號：2724609