高光譜圖像具有圖譜合一和光譜分辨率高的特點,可以提供豐富的地物特征信息,因此被廣泛應用于地質勘探、農業(yè)遙測等重要領域。然而由于高光譜遙感平臺離地觀測距離高,且屬于被動式光譜成像,在圖像獲取和傳輸過程中,受大氣干擾、儀器故障和傳感器精度等多種因素影響,導致所獲得的高光譜圖像通常帶有嚴重的多類型的混合噪聲(包括高斯噪聲、椒鹽噪聲和條紋噪聲),對高光譜圖像的后續(xù)處理和應用造成了極大的困難。另外,由于高光譜圖像空間分辨率低,且地物分布復雜多樣,在高光譜圖像中混合像元廣泛存在,極大影響了亞像元級的數據處理和分析。為了提高地物的識別和分類精度,必須對混合像元進行端元分解,并求取端元的豐度分布信息。本文圍繞高光譜圖像的混合噪聲去除,和混合噪聲情況下的端元稀疏解混兩大基本問題展開研究,聯合利用高光譜圖像的空間和譜間信息,提出了新型的高光譜圖像去噪和解混方法。本文的主要研究工作及成果如下:針對現有基于低秩約束的高光譜圖像混合噪聲去除方法中,存在主特征奇異值削減過度和空間結構信息約束欠缺的問題,提出了一種基于權重核范數和分波段全變分正則化的混合噪聲去除方法(TV-regularized weighted ...

【文章頁數】：178 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及意義
    1.2 高光譜圖像去噪方法及其研究現狀
        1.2.1 空間域去噪方法
        1.2.2 光譜域去噪方法
        1.2.3 空-譜聯合去噪方法
        1.2.4 高光譜去噪方法研究現狀簡析及存在的問題
    1.3 高光譜圖像解混方法及其研究現狀
        1.3.1 高光譜像元混合模型
        1.3.2 盲解混問題研究現狀
        1.3.3 稀疏解混問題研究現狀
        1.3.4 高光譜解混方法研究現狀簡析及存在的問題
    1.4 本文主要研究內容及章節(jié)安排
第2章 基于權重核范數和分波段全變分的高光譜圖像去噪方法
    2.1 引言
    2.2 高光譜圖像特性分析
        2.2.1 高光譜圖像空間平滑性
        2.2.2 高光譜圖像光譜相關性
        2.2.3 高光譜圖像全局低秩性
    2.3 基于低秩特性的高光譜去噪方法
    2.4 基于權重核范數和分波段全變分的去噪方法
        2.4.1 模型動機
        2.4.2 模型描述
        2.4.3 模型求解
        2.4.4 模型參數
        2.4.5 收斂性分析
    2.5 實驗結果及分析
        2.5.1 仿真數據實驗設置
        2.5.2 仿真數據實驗結果及分析
        2.5.3 真實數據實驗設置
        2.5.4 真實數據實驗結果及分析
        2.5.5 正則化參數λ3敏感性分析
        2.5.6 算法復雜度分析
    2.6 本章小結
第3章 基于權重核范數和結構張量全變分的高光譜圖像去噪方法
    3.1 引言
    3.2 全變分去噪方法導致的“油畫”現象
    3.3 結構張量全變分
    3.4 基于權重核范數和結構張量全變分的去噪方法
        3.4.1 模型動機
        3.4.2 模型描述
        3.4.3 針對該模型的兩種不同求解方法
        3.4.4 模型參數
    3.5 實驗結果及分析
        3.5.1 仿真數據實驗設置
        3.5.2 仿真數據實驗結果及分析
        3.5.3 兩種求解方法的結果對比及收斂性分析
        3.5.4 真實數據實驗設置
        3.5.5 真實數據實驗結果及分析
        3.5.6 參數敏感性分析
        3.5.7 算法復雜度分析
    3.6 本章小結
第4章 基于權重核范數和空間譜間三維全變分的高光譜圖像去噪方法
    4.1 引言
    4.2 去噪方法導致的光譜失真
    4.3 基于權重核范數和空間譜間三維全變分的去噪方法
        4.3.1 模型動機
        4.3.2 模型描述
        4.3.3 模型求解
        4.3.4 模型參數
    4.4 實驗結果及分析
        4.4.1 仿真數據實驗設置
        4.4.2 仿真數據實驗結果及分析
        4.4.3 真實數據實驗設置
        4.4.4 真實數據實驗結果及分析
        4.4.5 參數敏感性分析
        4.4.6 收斂性分析
        4.4.7 算法復雜度分析
    4.5 本章小結
第5章 基于權重核范數和超圖正則化的高光譜圖像稀疏解混方法
    5.1 引言
    5.2 稀疏解混模型
    5.3 豐度矩陣的超圖正則化約束
    5.4 去噪與解混的關聯性分析
    5.5 基于權重核范數和超圖正則化的稀疏解混方法
        5.5.1 模型描述
        5.5.2 模型求解
        5.5.3 模型參數
    5.6 實驗結果及分析
        5.6.1 仿真數據實驗設置
        5.6.2 仿真數據實驗結果及分析
        5.6.3 真實數據實驗設置
        5.6.4 真實數據解混實驗結果及分析
        5.6.5 參數敏感性分析
        5.6.6 收斂性分析
    5.7 本文所提四種去噪/解混方法的對比分析
    5.8 本章小結
結論
參考文獻
攻讀博士學位期間發(fā)表的論文及其他成果
致謝
個人簡歷



本文編號：3947325