近年來,由于成像技術(shù)的發(fā)展,高光譜解混技術(shù)在越來越多的領(lǐng)域得到更加廣泛的應(yīng)用。在高光譜解混技術(shù)出現(xiàn)之前,高光譜圖像都是采用“硬分類”的方法進行研究,這種方法將混合像元強制劃分為某一類,顯然是不準確的,從而產(chǎn)生了高光譜圖像的“軟分類”,即高光譜圖像解混。傳統(tǒng)的高光譜解混算法都是通過數(shù)學(xué)解析的方法求解,近幾年由于深度學(xué)習(xí)迅速發(fā)展,神經(jīng)網(wǎng)絡(luò)框架廣泛應(yīng)用于各個領(lǐng)域,并且都取得良好的結(jié)果。由于高光譜解混的本質(zhì)是一個函數(shù)逼近問題,而神經(jīng)網(wǎng)絡(luò)能夠無限逼近任意連續(xù)函數(shù),所以本文的研究內(nèi)容主要是將神經(jīng)網(wǎng)絡(luò)應(yīng)用在高光譜解混算法中,主要內(nèi)容如下:1.由于高光譜解混是一個逼近問題,而神經(jīng)網(wǎng)絡(luò)可以擬合任意函數(shù),此外高光譜圖像在空間上具有相鄰像元具有相似豐度的特點,因此本文提出了基于空間光譜相似性的卷積神經(jīng)網(wǎng)絡(luò)（CNN）的高光譜解混算法。對于一個高光譜像元,該算法將對應(yīng)的豐度作為標簽,通過卷積神經(jīng)網(wǎng)絡(luò)對豐度進行逼近來優(yōu)化整個網(wǎng)絡(luò),提高解混的性能。該方法首先通過生成隨機豐度得到對應(yīng)的待解混的高光譜數(shù)據(jù)。然后對高光譜圖像進行預(yù)處理,通過計算相鄰像元的光譜角距離以及相對于中心像元的位置來設(shè)置相鄰像元的權(quán)重。將高光譜數(shù)據(jù)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

美國Cuprite地區(qū)礦物分布圖

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)綜述[J]. 張慶輝,萬晨霞.  中原工學(xué)院學(xué)報. 2017(03)
[2]基于譜聚類與類間可分性因子的高光譜波段選擇[J]. 秦方普,張愛武,王書民,孟憲剛,胡少興,孫衛(wèi)東.  光譜學(xué)與光譜分析. 2015(05)
[3]運用資源三號衛(wèi)星影像數(shù)據(jù)提取水體信息的方法研究[J]. 趙芳,朱豐琪,馮仲科,丁敏.  測繪通報. 2014(03)
[4]改進的OIF和SVM結(jié)合的高光譜遙感影像分類[J]. 張磊,邵振峰.  測繪科學(xué). 2014(11)
[5]高光譜圖像非線性解混方法的研究進展[J]. 唐曉燕,高昆,倪國強.  遙感技術(shù)與應(yīng)用. 2013(04)
[6]基于高光譜圖像技術(shù)的指紋識別研究[J]. 趙明富,夏曦,張政委,馮小平.  激光雜志. 2013(01)
[7]基于分段主成分分析與波段比的雞胴體表面糞便污染物檢測[J]. 趙進輝,吁芳,吳瑞梅,劉木華,姚明印.  激光與光電子學(xué)進展. 2011(07)
[8]一種端元變化的神經(jīng)網(wǎng)絡(luò)混合像元分解方法[J]. 吳柯,張良培,李平湘.  遙感學(xué)報. 2007(01)
[9]高光譜遙感技術(shù)的發(fā)展與應(yīng)用[J]. 楊哲海,韓建峰,宮大鵬,李之歆.  海洋測繪. 2003(06)

碩士論文
[1]高光譜遙感圖像降維方法研究[D]. 田野.哈爾濱工程大學(xué) 2008
[2]高光譜遙感數(shù)據(jù)最佳波段選擇方法研究[D]. 楊金紅.南京信息工程大學(xué) 2005



本文編號：3318161