光譜解混是高光譜圖像眾多應(yīng)用中需要解決的一個(gè)關(guān)鍵問(wèn)題。傳統(tǒng)的光譜解混方法假定每類地物僅有一種端元光譜,其端元集是固定的。由于地物的復(fù)雜多樣性和成像條件的影響,高光譜圖像“同物異譜”和“異物同譜”現(xiàn)象普遍存在,從而導(dǎo)致對(duì)所有像元用固定的端元集進(jìn)行解混精度受限。因此,研究端元可變的高光譜圖像解混算法對(duì)提高高光譜圖像的應(yīng)用具有重要的意義。本文針對(duì)端元可變的端元束提取以及多端元光譜混合分析算法展開(kāi)研究,主要研究?jī)?nèi)容如下:(1)針對(duì)現(xiàn)有的基于光譜信息和空間信息的端元束提取方法沒(méi)有充分考慮冗余端元的去除,導(dǎo)致后續(xù)光譜解混誤差增加和光譜解混復(fù)雜度較高的問(wèn)題,提出了一種基于超像素分割和像元純度指數(shù)的端元束提取方法。首先通過(guò)PPI提取初始候選端元,每個(gè)超像素內(nèi)保留一個(gè)候選端元并以超像素為鄰域計(jì)算其均質(zhì)性指數(shù),對(duì)保留的端元根據(jù)其均質(zhì)性指數(shù)進(jìn)行篩選,通過(guò)聚類得到每類地物的端元束,并進(jìn)一步去除類內(nèi)冗余端元。仿真和真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,所提出的方法能有效提取可變端元且能降低后續(xù)光譜解混的復(fù)雜度。(2)針對(duì)基于超像素分割和純像元指數(shù)的端元束提取算法無(wú)法有效解決含多種植被和植被與其他地物致密混合的城市高光譜數(shù)據(jù)的問(wèn)...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀與發(fā)展趨勢(shì)
        1.2.1 固定端元的光譜解混研究現(xiàn)狀
        1.2.2 端元可變的光譜解混研究現(xiàn)狀
        1.2.3 發(fā)展趨勢(shì)
    1.3 本文創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
第2章 基于超像素分割和像元純度指數(shù)的端元束提取
    2.1 引言
    2.2 基于純像元指數(shù)的端元提取算法
    2.3 超像素分割
    2.4 PPISS算法
        2.4.1 算法原理
        2.4.2 PPISS算法分析
    2.5 PPISPS算法
    2.6 實(shí)驗(yàn)結(jié)果分析
        2.6.1 端元光譜曲線聚類算法選擇實(shí)驗(yàn)
        2.6.2 PPISPS算法性能驗(yàn)證實(shí)驗(yàn)
    2.7 本章小結(jié)
第3章 植被指數(shù)分析結(jié)合PPISPS的端元束提取
    3.1 引言
    3.2 植被指數(shù)
    3.3 算法描述
    3.4 實(shí)驗(yàn)結(jié)果分析
        3.4.1 仿真實(shí)驗(yàn)
        3.4.2 真實(shí)實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 由粗到細(xì)的高光譜圖像多端元光譜混合分析
    4.1 引言
    4.2 光譜混合模型
        4.2.1 線性光譜混合模型
        4.2.2 多端元線性光譜混合模型
    4.3 典型多端元光譜混合分析算法
        4.3.1 多端元光譜混合分析
        4.3.2 H-MESMA
        4.3.3 ISMA
    4.4 CFSMA算法描述
    4.5 算法時(shí)間復(fù)雜度分析
    4.6 實(shí)驗(yàn)結(jié)果分析
        4.6.1 仿真實(shí)驗(yàn)
        4.6.2 真實(shí)實(shí)驗(yàn)
    4.7 本章小結(jié)
第5章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3736508