本文選題：遙感 + 高光譜圖像��； 參考：《激光技術(shù)》2017年01期

【摘要】：自動(dòng)形態(tài)學(xué)端元提取(AMEE)算法中的形態(tài)學(xué)算子在純像元集中分布的區(qū)域無法得到正確的結(jié)果�，F(xiàn)有膨脹操作在每個(gè)結(jié)構(gòu)元素內(nèi)只能提取一個(gè)候選端元,會(huì)造成重要像元丟失。為了解決這些問題,采用改進(jìn)的形態(tài)學(xué)算子和結(jié)構(gòu)元素對(duì)AMEE算法進(jìn)行了改進(jìn)。首先引入?yún)⒖脊庾V向量的概念構(gòu)建了改進(jìn)的形態(tài)學(xué)算子,并給出了形態(tài)學(xué)離心率指數(shù)新的計(jì)算方法,然后利用偶數(shù)大小、改進(jìn)的結(jié)構(gòu)元素,從每個(gè)結(jié)構(gòu)元素內(nèi)選出4個(gè)候選端元,最后對(duì)改進(jìn)的基于自動(dòng)形態(tài)學(xué)的端元提取算法進(jìn)行了分析和實(shí)驗(yàn)驗(yàn)證。結(jié)果表明,改進(jìn)的方法能從純像元集中分布的區(qū)域獲得正確的候選端元,并在一定程度上避免膨脹過程中的信息遺失,從而能夠有效地提升端元提取的精度和像元解混的效果。
[Abstract]:The morphological operators in the automatic morphological End-element extraction (AMEE) algorithm can not get the correct results in the region of the pure pixel set distribution. The existing expansion operation can extract only one candidate end element within each structure element, resulting in the loss of important pixels. In order to solve these problems, improved morphological operators and structural elements are used to improve the AMEE algorithm. In this paper, the concept of reference spectral vector is introduced to construct the improved morphological operator, and a new method to calculate the morphological centrifuge index is given. Four candidate endpoints are selected from each structural element. Finally, the improved algorithm based on automatic morphology is analyzed and verified by experiments. The results show that the improved method can obtain the correct candidate endelements from the region of the pure pixel set, and to some extent avoid the loss of information in the expansion process, which can effectively improve the accuracy of the end element extraction and the effect of pixel unmixing.
【作者單位】： 杭州電子科技大學(xué)自動(dòng)化學(xué)院;中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所航空成像與測(cè)量技術(shù)研究部;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61375011) 浙江省自然科學(xué)基金資助項(xiàng)目(LY13F030015)
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 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(dòng)提取方法研究[J];海洋測(cè)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(xué)報(bào);2010年03期

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

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

5 吳波,張良培,李平湘;高光譜端元自動(dòng)提取的迭代分解方法[J];遙感學(xué)報(bào);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(cè)繪科學(xué);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(cè)繪科學(xué);2008年S1期

8 李熙;關(guān)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(xué)學(xué)報(bào);2009年09期

9 彭青青;楊遼;王杰;沈金祥;;基于異常探測(cè)的高光譜端元提取方法研究[J];遙感技術(shù)與應(yīng)用;2011年04期

10 崔建濤;王晶;厲小潤(rùn);趙遼英;;基于空間像素純度指數(shù)的端元提取算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年09期

相關(guān)會(huì)議論文 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(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

相關(guān)博士學(xué)位論文 前5條

1 崔建濤;高光譜遙感圖像解混技術(shù)研究[D];浙江大學(xué);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(xué);2012年

3 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

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(xué);2015年

5 李智勇;高光譜圖像異常檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 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(guó)礦業(yè)大學(xué);2015年

2 崔俊濤;對(duì)于高光譜圖像端元解混方法研究[D];西安電子科技大學(xué);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(xué);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(xué);2016年

5 李雪麗;基于線性模型的端元數(shù)目估計(jì)和光譜提取算法研究[D];華中科技大學(xué);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(xué);2016年

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

8 蘇遠(yuǎn)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(xué);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(zhǎng)安大學(xué);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(yīng)用[D];大連海事大學(xué);2013年

，

本文編號(hào)：1890367