針對全約束非線性高光譜解混目標函數復雜及解混時間長的問題,本文提出了一種多線性高光譜圖像解混算法。首先依據多線性光譜混合模型建立全約束多線性解混目標函數,將多線性光譜解混問題轉化為最優(yōu)化求解問題;然后利用差分搜索算法的[0,1]搜索域與“和為1”邊界控制機制滿足豐度約束條件,從而簡化全約束多線性解混目標函數;最后對簡化的目標函數進行迭代優(yōu)化求解,進而實現多線性高光譜圖像解混。實驗采用仿真數據集和真實高光譜圖像對本文算法進行驗證,在解混時間對比實驗中,本文算法的平均解混時間比基于光譜混合模型的全約束非線性高光譜圖像解混算法減少14.01%,同時避免了豐度約束項權重值復雜的選取過程;在解混精度對比實驗中,本文算法整體上能夠取得較高的解混精度。因此,本文算法在保證解混精度的同時減少了全約束非線性解混時間,取得較好的解混效果。 

【文章來源】：遼寧工程技術大學遼寧省

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

端元的光譜

波段1的二維圖像

2圖 1.3 高光譜圖像立方體Figure 1.3 Hyperspectral image cube被搭載在飛機和衛(wèi)星平臺上，以較高的光譜行持續(xù)地探測。為了能夠更好地識別地面物進行處理時，學者們需要充分利用高光譜圖的特性。然而由于高光譜圖像的數據量巨大、過程中存在噪聲和大氣等對成像光譜儀電磁準確的分析方法。成像光譜儀的硬件限制，光譜分辨率的提高辨率的成像光譜儀難以獲得較高的空間分辨的實際地面尺寸較大，如果在該像元對應的像元（pure pixel，PP）；但是實際探測地物在，這種像元稱為混合像元（mixing pixel，

【參考文獻】：
期刊論文
[1]基于多目標蝙蝠優(yōu)化的高光譜圖像解混算法[J]. 康志龍,張雪萍,陳雷,郭艷菊,權佳寧.  光電子·激光. 2018(03)
[2]高光譜圖像Pareto優(yōu)化稀疏解混[J]. 徐夏,張寧,史振威,謝少彪,齊乃明.  紅外與激光工程. 2018(02)
[3]基于空間加權協(xié)同稀疏的高光譜解混算法研究[J]. 朱昌宇,張紹泉,李軍,李恒超.  南京信息工程大學學報(自然科學版). 2018(01)
[4]高光譜遙感圖像混合像元分解的群智能算法[J]. 高連如,孫旭,羅文斐,唐茂峰,張兵.  南京信息工程大學學報(自然科學版). 2018(01)
[5]高光譜遙感影像混合像元分解研究進展[J]. 藍金輝,鄒金霖,郝彥爽,曾溢良,張玉珍,董銘巍.  遙感學報. 2018(01)
[6]基于最大整體包容度約束非負矩陣分解的高光譜遙感圖像混合像元分析算法[J]. 王瀛,何欣,左方.  光子學報. 2018(03)
[7]最小二乘混合像元分解的端元豐度信息提取研究[J]. 楊超,王金亮,渠立權,孫興齊,李石華.  測繪科學. 2017(09)
[8]高光譜遙感圖像非線性解混研究綜述[J]. 楊斌,王斌.  紅外與毫米波學報. 2017(02)
[9]FAN模型的雙種群差分進化光譜解混算法[J]. 張銳豪,羅文斐,鐘亮,覃事銀,李倩倩.  遙感學報. 2017(02)
[10]加權空譜局部保持投影的高光譜圖像特征提取[J]. 何芳,王榕,于強,賈維敏.  光學精密工程. 2017(01)

碩士論文
[1]高光譜遙感圖像混合像元分解算法研究[D]. 周昕.浙江大學 2015



本文編號：2907154