本文關(guān)鍵詞：高光譜遙感圖像混合像元分解算法研究

  更多相關(guān)文章： 高光譜圖像 混合像元分解 線性模型 雙線性模型 粒子群

【摘要】：高光譜遙感圖像具有上百個(gè)波段,能夠提供十分豐富的地物信息,是近年來(lái)遙感圖像領(lǐng)域的重要研究方向。高光譜圖像空間分辨率較低的特點(diǎn)使得圖像中的像元光譜普遍由多種地物光譜混合而成,給目標(biāo)分類、地物識(shí)別等后續(xù)應(yīng)用造成了困難,因此對(duì)混合像元進(jìn)行精確解混對(duì)提取精細(xì)地物信息具有重要意義。本文基于混合像元分解常用的光譜模型,從提高豐度求解算法精度或效率的角度出發(fā),提出了改進(jìn)的算法。本文的主要研究工作概括如下： (1)介紹了目前混合像元分解的理論體系。根據(jù)對(duì)光子傳輸過(guò)程的不同假設(shè),光譜模型可以分為線性模型和非線性模型。對(duì)這兩種模型的理論假設(shè)做了具體的解釋,并探討了兩種模型的各自特點(diǎn)和適用情況。簡(jiǎn)要概述了基于這兩種模型的混合像元分解算法。 (2)基于線性模型,根據(jù)單形體體積比求解豐度的原理和全約束限制條件,提出了一種能夠快速實(shí)現(xiàn)的全約束線性混合像元分解算法。通過(guò)引入行列式定理,避免了單形體體積比的行列式計(jì)算,簡(jiǎn)化為矩陣的簡(jiǎn)單數(shù)乘。全新迭代投影算法的引入,使豐度估計(jì)結(jié)果滿足非負(fù)性約束的條件。仿真圖和真實(shí)的AVIRIS圖像數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了該方法的算法效率。 (3)將粒子群優(yōu)化算法引入到基于廣義雙線性模型的混合像元分解過(guò)程之中,提出了一種非線性混合像元分解方法。算法在保證時(shí)間效率的基礎(chǔ)上,體現(xiàn)出了比傳統(tǒng)算法在分解精度上的優(yōu)越性,并且通過(guò)一系列仿真數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了其在多種條件下的魯棒性。
【關(guān)鍵詞】：高光譜圖像 混合像元分解 線性模型 雙線性模型 粒子群
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 目錄9-11
• 第1章 緒論11-17
• 1.1 課題研究背景及意義11-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析13-14
• 1.3 本文研究?jī)?nèi)容和研究方法14-15
• 1.4 本文組織結(jié)構(gòu)15-16
• 1.5 本章小結(jié)16-17
• 第2章 高光譜圖像混合像元分解理論17-29
• 2.1 光譜混合模型17-20
• 2.2 模型適用性20-21
• 2.3 線性混合像元分解算法21-26
• 2.4 非線性混合像元分解算法26-28
• 2.5 本章小結(jié)28-29
• 第3章 全約束線性混合像元分解的幾何方法29-44
• 3.1 降維后數(shù)據(jù)的豐度估計(jì)方法29-30
• 3.2 重心坐標(biāo)表示的豐度系數(shù)30-31
• 3.3 改進(jìn)的重心坐標(biāo)算法31-32
• 3.4 豐度系數(shù)的非負(fù)性約束32-35
• 3.5 全約束混合像元分解算法35-37
• 3.6 實(shí)驗(yàn)結(jié)果與分析37-42
• 3.7 本章小結(jié)42-44
• 第4章 基于粒子群優(yōu)化算法的非線性混合像元分解44-56
• 4.1 粒子群優(yōu)化算法44-46
• 4.2 雙線性混合模型46-48
• 4.3 基于粒子群的非線性混合像元分解算法48-50
• 4.4 實(shí)驗(yàn)結(jié)果與分析50-55
• 4.5 本章小結(jié)55-56
• 第5章 總結(jié)和展望56-58
• 5.1 全文總結(jié)56
• 5.2 研究展望56-58
• 參考文獻(xiàn)58-62
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 唐世浩,朱啟疆,閆廣建,周曉東;遺傳算法及其在遙感線性、非線性模型反演中的應(yīng)用效果分析[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

2 竇全勝,周春光,馬銘;粒子群優(yōu)化的兩種改進(jìn)策略[J];計(jì)算機(jī)研究與發(fā)展;2005年05期

3 潘峰;陳杰;辛斌;張娟;;粒子群優(yōu)化方法若干特性分析[J];自動(dòng)化學(xué)報(bào);2009年07期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 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

2 杜博;高光譜遙感影像亞像元小目標(biāo)探測(cè)研究[D];武漢大學(xué);2010年

，

本文編號(hào)：751291