由于地物分布的復(fù)雜多樣性和空間分辨率的限制,高光譜圖像中普遍存在著混合像元現(xiàn)象,阻礙了高光譜遙感向定量化方向的深入發(fā)展和應(yīng)用。作為解決混合像元問題的關(guān)鍵技術(shù),高光譜解混已經(jīng)成為高光譜遙感技術(shù)中的一個(gè)研究熱點(diǎn)。高光譜解混根據(jù)實(shí)現(xiàn)方式可以分為監(jiān)督解混和無監(jiān)督解混兩種思路。由于實(shí)際應(yīng)用條件的限制,通過無監(jiān)督解混方式直接從高光譜圖像中獲取端元光譜和豐度具有重要意義。作為一種流行的無監(jiān)督方法,非負(fù)矩陣分解在高光譜解混中的應(yīng)用得到了廣泛關(guān)注和研究,但仍然面臨易陷入次優(yōu)局部極值點(diǎn),解混精度受多種形式噪聲干擾和處理效率欠佳等諸多難點(diǎn)和挑戰(zhàn)。針對(duì)以上問題,本文重點(diǎn)圍繞基于非負(fù)矩陣分解的高光譜遙感圖像解混方法展開研究。本文的主要研究工作概括如下:（1）針對(duì)高光譜圖像具有多樣化稀疏性水平而單一類型稀疏性約束無法有效改善解混結(jié)果的問題,提出了 一種基于數(shù)據(jù)驅(qū)動(dòng)約束非負(fù)矩陣分解的線性解混方法。通過無約束的非負(fù)矩陣分解過程對(duì)數(shù)據(jù)中各像元豐度的稀疏性水平進(jìn)行有效評(píng)估后,結(jié)合l_1/2正則項(xiàng)和l₂正則項(xiàng)的約束效果對(duì)不同稀疏度的像元施加適應(yīng)性的約束,進(jìn)而實(shí)現(xiàn)了適應(yīng)數(shù)據(jù)稀疏性分布... 

【文章頁數(shù)】：186 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
縮略詞對(duì)照表
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 端元提取研究現(xiàn)狀
        1.2.2 豐度估計(jì)研究現(xiàn)狀
        1.2.3 無監(jiān)督高光譜解混研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容及章節(jié)安排
        1.3.1 本文的主要研究內(nèi)容
        1.3.2 本文的章節(jié)安排
第2章 高光譜解混基礎(chǔ)理論
    2.1 引言
    2.2 線性混合模型
    2.3 非線性混合模型
        2.3.1 多重散射混合模型
        2.3.2 致密混合模型
        2.3.3 基于核函數(shù)的混合模型
    2.4 非負(fù)矩陣分解及其解混應(yīng)用
        2.4.1 非負(fù)矩陣分解及其線性解混應(yīng)用
        2.4.2 核非負(fù)矩陣分解及其非線性解混應(yīng)用
    2.5 本章小結(jié)
第3章 基于數(shù)據(jù)驅(qū)動(dòng)約束非負(fù)矩陣分解的線性解混方法
    3.1 引言
    3.2 l_q正則化約束
    3.3 基于數(shù)據(jù)驅(qū)動(dòng)約束的非負(fù)矩陣分解線性解混
        3.3.1 稀疏度評(píng)估
        3.3.2 數(shù)據(jù)驅(qū)動(dòng)約束的非負(fù)矩陣分解
    3.4 實(shí)驗(yàn)結(jié)果和分析
        3.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
        3.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 基于光譜-空間維魯棒性非負(fù)矩陣分解的線性解混方法
    4.1 引言
    4.2 基于l_(2,1)范數(shù)和l_(1,2)范數(shù)的魯棒性非負(fù)矩陣分解
        4.2.1 l_(2,1)范數(shù)和l_(1,2)范數(shù)
        4.2.2 l_(2,1)-RNMF
        4.2.3 l_(1,2)-RNMF
    4.3 基于光譜-空間維魯棒性非負(fù)矩陣分解的線性解混
        4.3.1 結(jié)合l_(2,1)范數(shù)和l_(1,2)范數(shù)的光譜-空間維魯棒性解混模型
        4.3.2 模型優(yōu)化方法
        4.3.3 算法實(shí)現(xiàn)細(xì)節(jié)
        4.3.4 計(jì)算復(fù)雜度分析
        4.3.5 收斂性分析
    4.4 實(shí)驗(yàn)結(jié)果和分析
        4.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
        4.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 光譜-空間維魯棒性稀疏約束線性解混方法
    5.1 引言
    5.2 基于相關(guān)熵度量的魯棒性解混方法
        5.2.1 相關(guān)熵
        5.2.2 基于相關(guān)熵的非負(fù)矩陣分解
    5.3 基于相關(guān)熵的光譜-空間維魯棒性稀疏約束解混
        5.3.1 基于相關(guān)熵的光譜-空間維魯棒性稀疏約束解混模型
        5.3.2 基于相關(guān)熵的光譜-空間維魯棒性稀疏約束非負(fù)矩陣分解
    5.4 半二次優(yōu)化下的魯棒性稀疏約束解混框架
    5.5 實(shí)驗(yàn)結(jié)果和分析
        5.5.1 仿真數(shù)據(jù)實(shí)驗(yàn)
        5.5.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
    5.6 本章小結(jié)
第6章 基于增量式核非負(fù)矩陣分解的非線性解混方法
    6.1 引言
    6.2 無原象問題的核非負(fù)矩陣分解
    6.3 基于增量式核非負(fù)矩陣分解的非線性解混
        6.3.1 增量式核非負(fù)矩陣分解算法
        6.3.2 改進(jìn)的增量式核非負(fù)矩陣分解算法
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
        6.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
    6.5 本章小結(jié)
第7章 結(jié)論與展望
    7.1 主要工作和創(chuàng)新點(diǎn)
    7.2 工作展望
附錄
    A.1 定理3.1的證明
    A.2 定理4.1的證明
    A.3 定理6.1和定理6.2的證明
參考文獻(xiàn)
攻讀博士學(xué)位期間的主要研究成果
致謝



本文編號(hào)：3659877