本文關鍵詞：高光譜圖像光譜解混及端元提取方法研究

  更多相關文章： 高光譜圖像 線性解混模型 端元提取算法 豐度估計

【摘要】：隨著高光譜傳感器分辨率的提升,高光譜遙感圖像在納米級的光譜分辨率提供海量地表信息,如何快速去除冗余提取有效信息是當前高光譜遙感研究熱點。瞬時視場及高光譜成像原理限制了高光譜圖像的空間分辨率,使得單個像元混合多種實際地物,產(chǎn)生混合像元。將混合像元分解為多個同質(zhì)像元(端元)的函數(shù)表達需要在線性或非線性模型下先進行端元提取,然后確定各個端元對混合像元的貢獻比例(豐度估計),得到可以繼續(xù)展開高光譜圖像分類分析的豐度圖。由此可知高光譜遙感影像處理的三個重點問題:端元數(shù)目的確定,端元提取方法研究,混合像元分解。如何有效、快速地提取端元是高光譜解混技術研究的關鍵點。本文先介紹了高光譜圖像處理的背景知識,總結了近年來國內(nèi)外端元提取算法工作進展,分析了高光譜圖像相關處理技術的要求。針對端元提取算法詳細介紹了幾種經(jīng)典端元提取算法的思想及原理,并對算法進行簡單的分析。重點研究和分析了N-FINDR和OSP端元提取算法的原理和缺陷,總結了N-FINDR改進思路,提出并實現(xiàn)了一個在原始N-FINDR算法基礎上結合空間信息進行端元提取的方法,最后通過人工模擬數(shù)據(jù)和實際高光譜數(shù)據(jù)兩種類型三組數(shù)據(jù)驗證改進方法的有效性,并用主要評價指標進行比較分析。實驗結果表明,結合空間信息的端元提取方法有效提高了端元提取的準確性,取得更好的效果。但是限于幾何模型的假設,尋找最大體積單形體的頂點并不能對所有復雜的數(shù)據(jù)都有效,容易產(chǎn)生端元光譜混淆的高光譜圖像并不能很好的提取所有的純正端元。
【關鍵詞】：高光譜圖像 線性解混模型 端元提取算法 豐度估計
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P237;TP751
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 本文的研究內(nèi)容和創(chuàng)新點14-15
• 1.3.1 主要研究內(nèi)容14-15
• 1.3.2 主要創(chuàng)新點15
• 1.4 論文的章節(jié)安排15-17
• 第二章 高光譜數(shù)據(jù)處理17-28
• 2.1 高光譜數(shù)據(jù)17-18
• 2.2 解混模型18-22
• 2.2.1 混合像元的形成18-20
• 2.2.2 高光譜解混20-22
• 2.3 高光譜數(shù)據(jù)預處理22-26
• 2.3.1 數(shù)據(jù)選擇22
• 2.3.2 降維22-26
• 2.3.2.1 主成分分析23-24
• 2.3.2.2 最大噪聲分離24-25
• 2.3.2.3 獨立成分分析25
• 2.3.2.4 奇異值分解25-26
• 2.4 端元個數(shù)確定26-27
• 2.5 本章小結27-28
• 第三章 高光譜影像解混及評價28-46
• 3.1 基于線性混合模型的端元提取算法28-33
• 3.1.1 N-FINDR算法28-29
• 3.1.2 PPI算法29-30
• 3.1.3 VCA算法30-31
• 3.1.4 SGA算法31
• 3.1.5 IEA算法31-32
• 3.1.6 OSP 算法32-33
• 3.2 非線性解混模型的端元提取算法33-34
• 3.3 豐度反演方法34-36
• 3.3.1 非限制性最小二乘34
• 3.3.2 非負限制性最小二乘34-35
• 3.3.3 和為一限制性最小二乘35
• 3.3.4 全限制性最小二乘35
• 3.3.5 線性分解模型的拓展35-36
• 3.4 高光譜解混評價36-37
• 3.5 基于N-FINDR改進的端元提取算法37-45
• 3.5.1 改進思路37-39
• 3.5.2 算法改進39-41
• 3.5.3 算法描述41-45
• 3.6 本章小結45-46
• 第四章 算法實驗46-64
• 4.1 模擬數(shù)據(jù)實驗46-54
• 4.1.1 模擬實驗數(shù)據(jù)生成46-47
• 4.1.2 噪聲數(shù)據(jù)生成47-48
• 4.1.3 模擬實驗結果48-54
• 4.2 實際數(shù)據(jù)實驗54-62
• 4.3 本章小結62-64
• 第五章 總結展望64-69
• 5.1 總結64-65
• 5.2 展望65-69
• 參考文獻69-74
• 攻讀學位期間取得的研究成果74-75
• 致謝75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 齊建成;朱述龍;朱寶山;趙泳;李二森;;圖像端元全自動提取方法研究[J];海洋測繪;2009年02期

2 朱述龍;齊建成;朱寶山;曹聞;;以凸面單體邊界為搜索空間的端元快速提取算法[J];遙感學報;2010年03期

3 王立國;張晶;劉丹鳳;王群明;;從端元選擇到光譜解混的距離測算方法[J];紅外與毫米波學報;2010年06期

4 曹建農(nóng);王貝貝;何曉寧;;高光譜端元自動確定與提取的迭代算法[J];遙感學報;2013年02期

5 吳波,張良培,李平湘;高光譜端元自動提取的迭代分解方法[J];遙感學報;2005年03期

6 陳子玄;武文波;;基于線性混合模型的端元提取方法綜述[J];測繪科學;2008年S3期

7 陳子玄;武文波;;基于線性混合模型的端元提取方法綜述[J];測繪科學;2008年S1期

8 李熙;關澤群;秦昆;張力;曹靈靈;;基于貝葉斯推理的像元內(nèi)部端元選擇模型[J];光學學報;2009年09期

9 彭青青;楊遼;王杰;沈金祥;;基于異常探測的高光譜端元提取方法研究[J];遙感技術與應用;2011年04期

10 宋梅萍;張甬榮;安居白;包海默;;基于有效端元集的雙線性解混模型[J];光譜學與光譜分析;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王百合;劉志剛;李義紅;;基于光譜角分析的端元光譜聚類方法研究[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 崔建濤;高光譜遙感圖像解混技術研究[D];浙江大學;2015年

2 齊濱;高光譜圖像分類及端元提取方法研究[D];哈爾濱工程大學;2012年

3 黃遠程;高光譜影像混合像元分解的若干關鍵技術研究[D];武漢大學;2010年

4 楊華東;高光譜遙感影像光譜解混算法研究[D];大連海事大學;2015年

5 李智勇;高光譜圖像異常檢測方法研究[D];國防科學技術大學;2004年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 馮淑娜;基于多端元混合像元分解的喀斯特石漠化表征因子提取研究[D];中國礦業(yè)大學;2015年

2 崔俊濤;對于高光譜圖像端元解混方法研究[D];西安電子科技大學;2013年

3 王可;多端元光譜混合分析算法研究[D];電子科技大學;2015年

4 肖霄;基于正交投影理論的端元提取算法[D];大連海事大學;2016年

5 李雪麗;基于線性模型的端元數(shù)目估計和光譜提取算法研究[D];華中科技大學;2014年

6 吳瓊;融合地形和紋理信息的多端元光譜混合分解[D];云南大學;2016年

7 王晶;高光譜影像的MVC-NMF端元提取改進算法的研究[D];中國地質(zhì)大學(北京);2016年

8 蘇遠超;基于離散人工蜂群算法的高光譜圖像端元提取方法[D];西安科技大學;2015年

9 張昆;高光譜圖像光譜解混及端元提取方法研究[D];長安大學;2016年

10 張甬榮;基于有效端元集的雙線性解混模型研究及應用[D];大連海事大學;2013年

，

本文編號：1113534