高光譜遙感影像數(shù)據(jù)因其光譜分辨率高、圖譜合一的特點,為人們觀測地球提供了獨特的信息,是當(dāng)前遙感對地觀測領(lǐng)域的前沿領(lǐng)域。然而,受到傳感器空間分辨率的限制以及自然界地物分布復(fù)雜多樣的影響,多種地物光譜可能共同組成一個像元,造成高光譜遙感影像中混合像元普遍存在,給高精度的地物信息解譯帶來了困難。端元提取是解決混合像元問題最為關(guān)鍵的方法之一,是指提取影像中每類地物的純凈像元。端元提取能夠獲得構(gòu)成混合像元的基本組成成分,它決定了后續(xù)的光譜解混、感興趣目標(biāo)探測等信息提取結(jié)果的精度。因此,如何從影像中提取到完整的、最具代表性的端元是高光譜遙感影像分析的關(guān)鍵。高光譜影像端元提取主要面臨如下的挑戰(zhàn):1)真實的高光譜影像由于受成像過程中的誤差、噪聲的影響,數(shù)據(jù)在特征空間中的分布一般不能嚴(yán)格滿足傳統(tǒng)端元提取方法所假設(shè)的單形體結(jié)構(gòu);2)由于高光譜影像數(shù)據(jù)的復(fù)雜性,利用不同的特征對高光譜影像進行端元提取時,得到的端元提取結(jié)果存在差異;3)由于物質(zhì)本質(zhì)屬性差異或者影像成像的光照和大氣等條件的不同,可能造成物質(zhì)的類內(nèi)光譜差異。本文針對高光譜影像端元提取的特點,結(jié)合粒子群算法在組合優(yōu)化問題求解上規(guī)則簡單、參數(shù)少的優(yōu)勢...

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 混合像元分解及其研究現(xiàn)狀
        1.2.1 混合像元分解模型的研究現(xiàn)狀
        1.2.2 端元提取的研究現(xiàn)狀
        1.2.3 端元提取算法存在的難點
        1.2.4 粒子群優(yōu)化算法在端元提取中的應(yīng)用潛力
    1.3 研究內(nèi)容和章節(jié)安排
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
第二章 混合像元分解的理論與方法
    2.1 線性光譜混合模型
    2.2 端元提取原理與方法
        2.2.1 高光譜影像數(shù)據(jù)的凸幾何分析
        2.2.2 內(nèi)部體積最大原理與方法
        2.2.3 極值投影原理與方法
        2.2.4 均方根誤差最小原理
    2.3 豐度估計的原理與方法
    本章小結(jié)
第三章 基于量子粒子群優(yōu)化的端元提取方法
    3.1 量子粒子群優(yōu)化算法
        3.1.1 粒子群優(yōu)化
        3.1.2 量子粒子群優(yōu)化
    3.2 離散粒子群優(yōu)化算法
    3.3 基于量子粒子群優(yōu)化的端元提取算法
    3.4 實驗結(jié)果與分析
        3.4.1 模擬數(shù)據(jù)實驗
        3.4.2 真實數(shù)據(jù)實驗
    本章小結(jié)
第四章 基于多目標(biāo)粒子群優(yōu)化的端元提取方法
    4.1 多目標(biāo)優(yōu)化的基本概念
        4.1.1 多目標(biāo)優(yōu)化的定義
        4.1.2 非支配解
    4.2 基于多目標(biāo)粒子群優(yōu)化的端元提取算法
    4.3 實驗結(jié)果與分析
        4.3.1 華盛頓數(shù)據(jù)實驗
        4.3.2 城市影像數(shù)據(jù)實驗
        4.3.3 對實驗結(jié)果的討論
    本章小結(jié)
第五章 基于迭代量子粒子群優(yōu)化的端元束提取算法
    5.1 高光譜影像端元束提取方法
        5.1.1 基于分塊的端元束提取方法
        5.1.2 基于候選集的端元束提取方法
        5.1.3 基于光譜形狀的端元束提取方法
    5.2 基于迭代量子粒子群優(yōu)化的端元束提取算法
    5.3 實驗結(jié)果分析
        5.3.1 精度評價指標(biāo)
        5.3.2 實驗結(jié)果與分析
    本章小結(jié)
第六章 粒子群優(yōu)化的端元提取方法的比較
    6.1 方法的比較
    6.2 實驗與分析
    本章小結(jié)
第七章 總結(jié)與展望
    7.1 本文總結(jié)
    7.2 研究展望
參考文獻
附錄
致謝



本文編號：3854413