高光譜遙感圖像具有幾十個甚至數(shù)百個連續(xù)光譜波段的數(shù)據(jù),包含豐富的空間分布信息和各種光譜信息。然而,由于空間分辨率較低,圖像中普遍存在混合像元,在對其進行地物識別和分類時造成了很大影響。因此,為了更好的對高光譜圖像進行處理與分析,首先要對其解混。群智能優(yōu)化算法是一種模擬自然界中生物種群行為的優(yōu)化算法,在處理復(fù)雜優(yōu)化問題時具有很好的效果,且易于進行并行化處理,因此,將其應(yīng)用到解混問題中有很好的前景。本文以群智能優(yōu)化算法為基礎(chǔ),利用其良好的尋優(yōu)能力和并行性進行高光譜圖像解混研究。本文所做的主要工作如下:（1）提出了一種快速并有優(yōu)秀概率引導(dǎo)的回溯搜索優(yōu)化算法。針對回溯搜索優(yōu)化算法存在的收斂速度慢且易陷入局部最優(yōu)的問題進行改進。在種群進化過程使用新擾動策略,該策略能更好的平衡算法的局部搜索和全局搜索能力。在種群選擇過程中使用新選擇策略,該策略采用輪盤賭的方法選擇新種群,在很大程度上能避免算法陷入局部最優(yōu)。實驗結(jié)果表明,改進后算法能有效提高回溯搜索優(yōu)化算法的收斂速度和精度。（2）提出了一種基于快速并有優(yōu)秀概率引導(dǎo)的回溯搜索優(yōu)化算法的高光譜圖像解混算法。該算法基于獨立成分分析模型,加入豐度約束,將高... 

【文章來源】：河北工業(yè)大學(xué)天津市 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

高光譜圖像成像原理圖[15]

河北工業(yè)大學(xué)碩士學(xué)位論文-43-50×5060×6070×7080×8090×90100×10000.020.040.060.080.1ImageSize/pixelSADFTBSA-HUAMVSAVCA-FCLSNFINDR-FCLS50×5060×6070×7080×8090×90100×10000.020.040.060.080.10.12ImageSize/pixelRMSEFTBSA-HUAMVSAVCA-FCLSNFINDR-FCLS圖4.4不同像素數(shù)下的算法對比結(jié)果4.3.2真實數(shù)據(jù)實驗為了進一步驗證本章所提算法的有效性，本節(jié)通過兩組真實數(shù)據(jù)實驗對算法進行了驗證。即通過對兩組真實高光譜圖像數(shù)據(jù)進行處理，來證明所提算法的有效性。其中，采用的兩組真實數(shù)據(jù)分別是Indiana數(shù)據(jù)和JasperRidge數(shù)據(jù)[89-91]，實驗結(jié)果均為程序運行20次后得到結(jié)果的平均值。實驗1Indiana數(shù)據(jù)下算法的解混性能比較Indiana圖像的偽彩色圖如圖4.5所示：圖4.5Indiana圖像的偽彩色圖圖4.5中的Indiana圖像是1992年5月拍攝于印第安納州Pine測試點的AVRIS高光譜圖像。該圖像包括220個波段，波長范圍為0.4~2.5m，光譜分辨率為10nm。其中，實驗中用到的圖像大小為145145。根據(jù)文獻[91]可知，該圖像中主要包括玉米、天然植被、大豆、人工建筑、干草堆和小麥六種地物。此外，圖像中還包括一些水吸收和低信噪比的波段，去除這些波段后，本實驗將用剩余的169個波段進行實驗。

【參考文獻】：
期刊論文
[1]中國高光譜遙感的前沿進展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報. 2016(05)
[2]基于去噪降維和蝙蝠優(yōu)化的高光譜圖像盲解混算法[J]. 賈志成,薛允艷,陳雷,郭艷菊,許浩達.  光子學(xué)報. 2016(05)
[3]基于像元混合模型估計的高光譜圖像解混[J]. 陳雷,劉靜光,張立毅,李鏘,孫彥慧.  紅外技術(shù). 2016(02)
[4]基于差分搜索的高光譜圖像解混算法[J]. 張立毅,劉靜光,陳雷,李鏘,孫彥慧.  計算機應(yīng)用研究. 2016(10)
[5]基于布谷鳥搜索算法的高光譜圖像解混算法[J]. 孫彥慧,張立毅,陳雷,李鏘,滕建輔,劉靜光.  光電子·激光. 2015(09)
[6]一種快速高效的人工蜂群算法[J]. 王曉娟.  電子科技. 2015(03)
[7]一種基于粒子群參數(shù)優(yōu)化的改進蟻群算法[J]. 李擎,張超,陳鵬,尹怡欣.  控制與決策. 2013(06)
[8]基于改進人工蜂群算法的盲源分離方法[J]. 張銀雪,田學(xué)民,鄧曉剛.  電子學(xué)報. 2012(10)
[9]CUDA架構(gòu)下的灰度圖像匹配并行算法[J]. 李建江,張磊,李興鋼,陳翔,黃義雙.  電子科技大學(xué)學(xué)報. 2012(01)
[10]高光譜遙感圖像光譜解混的獨立成分分析技術(shù)[J]. 羅文斐,鐘亮,張兵,高連如.  光譜學(xué)與光譜分析. 2010(06)

博士論文
[1]人工蜂群算法及其應(yīng)用的研究[D]. 高衛(wèi)峰.西安電子科技大學(xué) 2013
[2]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003



本文編號：3560223