本文關(guān)鍵詞：基于正交投影理論的端元提取算法，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜遙感數(shù)據(jù)因其包含著圖像與光譜雙重信息的特性被愈加廣泛地應(yīng)用在軍事檢測、環(huán)境保護(hù)和公共安全等方面。但由于自然界中空間及地物的復(fù)雜性,圖像中的像元往往包含了較多的物質(zhì)信息,導(dǎo)致大量的混合像元存在,增加數(shù)據(jù)分析的難度。端元代表了圖像中較為純粹物質(zhì)的光譜特征,對于定量分析圖像成分及其含量具有重要的作用。因此,有效提取高光譜圖像中的端元十分有意義。ATGP和MEAC算法是利用正交投影理論和最大似然估計理論提取端元的代表算法,尤其是ATGP算法,已經(jīng)廣泛應(yīng)用在光譜解混等分析中。但是,他們也都存在固有的問題和缺點(diǎn)。論文在線性光譜混合模型的基礎(chǔ)上,展開了上述兩種理論下的端元提取算法研究和改進(jìn),主要的工作包括：1)分析正交投影類端元提取算法和極大似然估計類端元提取算法各自的優(yōu)點(diǎn)和缺點(diǎn),并深入研究其代表算法ATGP和MEAC、SMEAC算法的內(nèi)在關(guān)系；比較不同種類算法的性能；2)對比正交投影方法OVP算法與OSP算法的異同,并利用OVP算法改進(jìn)ATGP算法得到UVOP算法；通過提取的ATGP與MEAC之間的聯(lián)系,將MEAC、 SMEAC算法與ATGP和UOVP相結(jié)合,得到改進(jìn)算法ATGP-M與UOVP-M;3)分別在模擬高光譜圖像和真實(shí)高光譜圖像進(jìn)行實(shí)驗(yàn),選取相關(guān)端元提取的對比算法,分析各個算法提取端元的光譜角距離、豐度誤差、解混誤差以及提取相同端元的運(yùn)行時間等數(shù)據(jù),從而驗(yàn)證改進(jìn)算法的性能。。理論分析和實(shí)驗(yàn)結(jié)果都表明,論文所提出的算法具備了正交投影理論和最大似然估計理論端元提取算法的優(yōu)點(diǎn),實(shí)用性更強(qiáng)。
【關(guān)鍵詞】：端元提取 正交投影 最大似然估計 ATGP OSP OVP MEAC
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 課題背景及研究意義10-13
• 1.2 端元提取算法研究現(xiàn)狀13-15
• 1.3 論文的研究工作及總體架構(gòu)15-18
• 1.3.1 論文研究工作15-16
• 1.3.2 論文結(jié)構(gòu)16-18
• 第2章 光譜混合模型及端元提取算法18-27
• 2.1 光譜混合模型18-22
• 2.1.1 線性光譜混合模型19-20
• 2.1.2 非線性光譜混合模型20-22
• 2.2 端元提取算法簡述22-26
• 2.2.1 自動目標(biāo)檢索算法（Automatic Target Generation Process，ATGP )22-23
• 2.2.2 純像元指數(shù)（Pixel Purity Index, PPI)23-24
• 2.2.3 單形體X棾に惴ǎ⊿implex Growing Algorithm, SGA)24
• 2.2.4 最小豐度估計協(xié)方差算法（Minimum Estimated Abundance Covariance,24-25
• 2.2.5 快速最小豐度估計協(xié)方差算法（Sequential Minimum Estimated Abundance25-26
• 2.3 本章小結(jié)26-27
• 第3章 結(jié)合正交投影和最大似然估計理論的端元提取算法研究27-35
• 3.1 正交投影類算法與極大似然估計類算法分析27-31
• 3.1.1 ATGP算法與MEAC算法的優(yōu)劣分析27-29
• 3.1.2 ATGP算法與MEAC、SMEAC算法的關(guān)系29
• 3.1.3 OSP算法與OVP算法關(guān)系29-31
• 3.2 改進(jìn)算法的提出31-34
• 3.2.0 非監(jiān)督的正交投影算法（Unsupervised Orthogonal Vector Projection,31-32
• 3.2.1 ATGP-M算法32-33
• 3.2.2 UOVP-M算法33-34
• 3.3 本章小結(jié)34-35
• 第4章 算法應(yīng)用與數(shù)據(jù)分析35-59
• 4.1 模擬圖像對比實(shí)驗(yàn)35-51
• 4.1.1 模擬圖像簡介35-37
• 4.1.2 模擬圖像實(shí)驗(yàn)37-50
• 4.1.3 實(shí)驗(yàn)結(jié)論50-51
• 4.2 真實(shí)高光譜圖像上的實(shí)驗(yàn)51-57
• 4.2.1 真實(shí)高光譜圖像簡介51
• 4.2.2 真實(shí)高光譜圖像的實(shí)驗(yàn)51-56
• 4.2.3 實(shí)驗(yàn)結(jié)論56-57
• 4.3 結(jié)果分析57-59
• 第5章 總結(jié)與展望59-62
• 5.1 總結(jié)59-60
• 5.2 展望60-62
• 參考文獻(xiàn)62-65
• 致謝65-66
• 研究生履歷66

【相似文獻(xiàn)】

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(xué)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(xué)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(xué)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(xué)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(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;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(shù)與應(yīng)用;2011年04期

10 崔建濤;王晶;厲小潤;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(工學(xué)版);2013年09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(zāi)減災(zāi)與國家安全[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 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

2 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

3 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

4 李智勇;高光譜圖像異常檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2004年

中國碩士學(xué)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(xué);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(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 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

6 劉正春;多端元光譜混合分析方法研究[D];中南大學(xué);2012年

7 劉益世;高光譜遙感混合像元端元提取研究及應(yīng)用[D];中南大學(xué);2013年

8 武鶴;基于數(shù)學(xué)形態(tài)學(xué)的高光譜圖像端元提取技術(shù)研究[D];成都理工大學(xué);2011年

9 曾凡霞;高光譜遙感圖像端元提取算法改進(jìn)及性能優(yōu)化[D];成都理工大學(xué);2013年

10 王麗姣;基于單形體體積增長的高光譜圖像端元提取及快速實(shí)現(xiàn)[D];浙江大學(xué);2015年

  本文關(guān)鍵詞：基于正交投影理論的端元提取算法，，由筆耕文化傳播整理發(fā)布。

本文編號：271731