發(fā)布時(shí)間：2021-01-17 08:45

　　混合像元的存在是制約高光譜遙感應(yīng)用精度的主要原因,因此必須進(jìn)行高光譜解混合。端元提取作為高光譜解混合的關(guān)鍵,往往易受噪聲和異常點(diǎn)的干擾。為了提高端元提取精度,針對(duì)高光譜端元提取提出了一種空譜聯(lián)合的預(yù)處理方法。首先,定義了新概念光譜純度指數(shù),主要用于預(yù)估高光譜圖像中每個(gè)像元的光譜純度;其次,給出了基于光譜純度指數(shù)的空間去冗余方法,利用真實(shí)地物的空間分布連續(xù)性,判斷和移除高光譜圖像中冗余像元,最終形成精簡(jiǎn)的候選端元集。實(shí)驗(yàn)結(jié)果表明:采用提出的預(yù)處理方法后,對(duì)于模擬高光譜圖像,提取的端元與原始端元之間夾角平均減少了9.022 3°,候選端元數(shù)量少于原始像元數(shù)量的10%。該預(yù)處理方法不僅有效消除了噪聲和異常點(diǎn)的干擾,提高了端元提取精度,且大幅降低了時(shí)間復(fù)雜度。 

【文章來(lái)源】：液晶與顯示. 2020,35(09)北大核心

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

基于預(yù)處理方法的高光譜端元提取框架

圖2是按照上述步驟生成的模擬高光譜圖像第30波段對(duì)應(yīng)的二維灰度圖，其中藍(lán)圈里的紅點(diǎn)表示添加的兩個(gè)異常點(diǎn)，空間位置坐標(biāo)分別是（8,28）和（23,35）。圖3是模擬高光譜數(shù)據(jù)中端元和異常點(diǎn)對(duì)應(yīng)的光譜曲線，其中5條實(shí)線對(duì)應(yīng)端元光譜，2條虛線對(duì)應(yīng)異常點(diǎn)光譜。圖3 模擬高光譜圖像中端元和異常點(diǎn)的光譜曲線

模擬高光譜圖像中端元和異常點(diǎn)的光譜曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于雙邊濾波的最優(yōu)波段子空間高光譜異常目標(biāo)檢測(cè)[J]. 成寶芝,張麗麗.  液晶與顯示. 2019(09)
[2]雙卷積池化結(jié)構(gòu)的3D-CNN高光譜遙感影像分類方法[J]. 李冠東,張春菊,高飛,張雪英.  中國(guó)圖象圖形學(xué)報(bào). 2019(04)
[3]樣本優(yōu)化選擇的高光譜圖像分類[J]. 方帥,祝鳳娟,董張玉,張晶.  中國(guó)圖象圖形學(xué)報(bào). 2019(01)
[4]圖-譜結(jié)合的壓縮感知高光譜視頻圖像復(fù)原[J]. 譚翠媚,許廷發(fā),馬旭,張宇寒,王茜,閆歌.  中國(guó)光學(xué). 2018(06)
[5]動(dòng)態(tài)測(cè)量的高光譜圖像壓縮感知[J]. 閆歌,許廷發(fā),馬旭,張宇寒,王茜,譚翠媚.  中國(guó)光學(xué). 2018(04)
[6]基于空譜聯(lián)合和波段分類的高光譜壓縮感知重構(gòu)[J]. 黃元超,王阿川.  液晶與顯示. 2018(04)
[7]結(jié)合超像元和子空間投影支持向量機(jī)的高光譜圖像分類[J]. 冉瓊,于浩洋,高連如,李偉,張兵.  中國(guó)圖象圖形學(xué)報(bào). 2018 (01)
[8]基于空間像素純度指數(shù)的端元提取算法[J]. 崔建濤,王晶,厲小潤(rùn),趙遼英.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2013(09)
[9]基于光譜角累加的高光譜圖像異常檢測(cè)算法[J]. 杜小平,劉明,夏魯瑞,陳杭.  中國(guó)光學(xué). 2013(03)



本文編號(hào)：2982553