【摘要】：高光譜遙感圖像具有光譜分辨率高和圖譜合一的特點(diǎn),具有很強(qiáng)的精細(xì)地物識(shí)別與區(qū)分能力。由于高光譜成像系統(tǒng)的空間分辨率低和地物分布的復(fù)雜性,混合像元普遍存在于高光譜圖像中,限制了高光譜圖像應(yīng)用的精度。光譜解混是將混合像元分解為特征光譜(端元)及其組成比例(豐度)的基本技術(shù),本質(zhì)上可以分為線性解混技術(shù)和非線性解混技術(shù)。在很多諸如植被、城市等復(fù)雜場(chǎng)景應(yīng)用中,存在明顯的非線性混合現(xiàn)象,因此非線性解混技術(shù)相比線性解混技術(shù)更能提取地物的真實(shí)分布。典型的非線性解混技術(shù)通過(guò)數(shù)值優(yōu)化求解特定的非線性混合模型,以獲得端元、豐度和其他非線性系數(shù)的估計(jì)值。由于非線性模型的復(fù)雜性和其對(duì)應(yīng)目標(biāo)函數(shù)的非凸特性,傳統(tǒng)基于梯度方法的有監(jiān)督/無(wú)監(jiān)督非線性解混算法存在收斂性差、不穩(wěn)定的問(wèn)題,需要進(jìn)一步的優(yōu)化以提高非線性解混的精度。另外,大部分的非線性模型只考慮了基本的、物理意義上的約束,沒(méi)有充分利用真實(shí)地物混合中廣泛存在的稀疏特性。本文將重點(diǎn)圍繞基于非線性混合模型的高光譜圖像解混技術(shù)研究,針對(duì)上述幾個(gè)問(wèn)題,從以下幾個(gè)方面展開(kāi)研究工作:(1)利用基于 Hopfield 神經(jīng)網(wǎng)絡(luò)(Hopfield neural network,HNN)的優(yōu)化方法實(shí)現(xiàn)有監(jiān)督的非線性解混。依次構(gòu)建兩個(gè)HNN來(lái)分別優(yōu)化求解廣義雙線性模型中的豐度以及非線性系數(shù)的估計(jì)問(wèn)題;分析并推導(dǎo)這兩個(gè)網(wǎng)絡(luò)的狀態(tài)方程,得到網(wǎng)絡(luò)的狀態(tài)和輸出隨時(shí)間的變化關(guān)系;最后根據(jù)豐度和非線性系數(shù)與網(wǎng)絡(luò)輸出的對(duì)應(yīng)關(guān)系得到它們的迭代更新公式。仿真實(shí)驗(yàn)和真實(shí)實(shí)驗(yàn)結(jié)果均表明,提出的基于HNN的有監(jiān)督非線性解混算法相比其他有監(jiān)督非線性解混算法精度更高且執(zhí)行效率較高。(2)研究具有稀疏約束的Fan模型,以挖掘非線性混合中存在的稀疏特性,縮小非負(fù)矩陣分解算法的解空間,提高非線性解混的精度。引入平滑的稀疏測(cè)度以更好地實(shí)現(xiàn)稀疏性度量,并將其作為約束項(xiàng)嵌入到求解Fan模型的目標(biāo)函數(shù)中,推導(dǎo)出端元和豐度的迭代更新公式。實(shí)驗(yàn)結(jié)果表明,具有稀疏約束的非線性解混算法能較好地挖掘數(shù)據(jù)中的稀疏特性,同時(shí)算法的解混精度優(yōu)于其他非線性解混算法。(3)針對(duì)無(wú)監(jiān)督非線性解混中參數(shù)相對(duì)較多且模型復(fù)雜的問(wèn)題,將原始目標(biāo)函數(shù)通過(guò)矩陣拆分轉(zhuǎn)化為兩個(gè)或三個(gè)約束最小二乘問(wèn)題;通過(guò)參數(shù)化方法,將約束最小二乘問(wèn)題轉(zhuǎn)化為無(wú)約束的參數(shù)化非線性最小二乘問(wèn)題(parameterized nonlinear least squares,PNLS);提出一種基于 Gauss-Newton 的 PNLS 優(yōu)化算法,推導(dǎo)出分別用于求解廣義雙線性模型和Fan模型的迭代更新公式。實(shí)驗(yàn)結(jié)果表明,PNLS算法比基于NMF的無(wú)監(jiān)督非線性解混算法收斂速度更快,能得到更好的端元、豐度和非線性系數(shù)的估計(jì)。本文通過(guò)以上研究工作,有效地改進(jìn)了非線性混合模型及其優(yōu)化算法,提高了非線性解混算法的精度和魯棒性。
【圖文】：

廣泛應(yīng)用在植被襝測(cè)、精準(zhǔn)農(nóng)業(yè)、大氣檢測(cè)、地質(zhì)勘探、水質(zhì)監(jiān)測(cè)、軍事偵察等逡逑領(lǐng)域［４］。逡逑高光譜圖像數(shù)據(jù)具有“圖像立方體”的典型形式和結(jié)構(gòu)【５］。如圖１．１所示，逡逑高光譜圖像數(shù)據(jù)是一個(gè)三維的立方體，包含二維的空間維和光譜維。因此，高光逡逑譜圖像既有一定的空間特征描述能力，又具有很強(qiáng)的光譜特征描述能力，實(shí)現(xiàn)了逡逑地物空間信息和光譜信息的有機(jī)融合，即“圖譜合一”［６１。然而高光譜圖像的空逡逑間描述能力有限，主要原因是高光譜圖像的空間分辨率有限，例如搭載在我國(guó)最逡逑新發(fā)射的高分五號(hào)衛(wèi)星上的高光譜成像儀的地面空間分辨率不超過(guò)３０米［７］。高逡逑光譜圖像相對(duì)較低的空間分辨率使得其包含的單個(gè)像元的光譜信號(hào)可能表征不逡逑只一種地物信息。一個(gè)像元的光譜信號(hào)對(duì)應(yīng)不同地物綜合光譜信號(hào)的現(xiàn)象稱之為逡逑光譜混合現(xiàn)象，相應(yīng)的像元稱為混合像元；反之，，若一個(gè)像元的光譜信號(hào)僅僅表逡逑征一種地物的信息，則稱之為純像元。除了空間分辨率低導(dǎo)致高光譜圖像中存在逡逑混合現(xiàn)象外，地面本質(zhì)上均勻混合的區(qū)域（如草地和土壤的均R旌锨潁叮蒎義弦不嵋鷥吖餛淄枷裰械幕旌舷窒

本文編號(hào)：2591700