高光谱图像解混技术的研究

发布时间：2023-03-23 23:15

　　高光谱图像包含除一般图像的空间信息外,还包含光谱维信息,这使得高光谱图像相比一般图像具有更丰富的信息,也使得高光谱遥感有了广泛的应用。光谱传感器的分辨率有限,采集到的像元往往是多种地物混合而成混合像元,不利于对地物信息的分析,使得可以提取像元更深层更精确信息的光谱解混技术成了热门的研究领域。尽管近年来针对高光谱解混技术进行了大量研究,有了长足的进展,但端元和丰度的解混精确度还存在较大的提升空间。本文针对解混算法还存在的一些常见问题,提出了两点创新。第一,针对传统的约束非负矩阵分解方法对于解混的物理特性考虑较少,提出一种以散射项作为约束的非负矩阵分解算法。与大多数约束非负矩阵分解算法将约束建立在数据的数学特性之上不同,所提算法考虑到如大气中的悬浮物、胶着物的散射作用等米氏散射(Mie Scattering)现象,这种光学现象对成像光谱仪接收到的光谱信号有着不可忽视的影响。所提算法将大气中的米氏散射造成的邻域贡献视作干扰,在数学表达上通过将散射相位函数作为约束条件参与约束非负矩阵分解,使得算法在丰度上对目标像素及其邻域的米氏散射干扰进行约束,以达到在目标函数上将米氏散射和噪声造成的干扰有效...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 课题研究背景及意义
    1.2 高光谱遥感国内外研究现状
        1.2.1 高光谱解混研究现状
        1.2.2 基于非负矩阵分解高光谱解混研究现状
    1.3 研究内容及安排
        1.3.1 研究内容
        1.3.2 章节安排
第2章 非负矩阵分解与高光谱图像解混
    2.1 混合模型
        2.1.1 线性混合模型
        2.1.2 非线性混合模型
    2.2 高光谱图像的线性解混流程
        2.2.1 图像数据的预处理和降维
        2.2.2 端元数量确定和端元提取与其常见算法
        2.2.3 丰度反演与其常见算法
        2.2.4 端元和丰度的精度评价
    2.3 非负矩阵分解方法简介
        2.3.1 非负矩阵分解的目标函数的构建
        2.3.2 非负矩阵分解的迭代规则的推导
        2.3.3 非负矩阵分解的停止准则确定
    2.4 本章小结
第3章 散射项约束非负矩阵分解的高光谱图像解混
    3.1 约束非负矩阵分解的高光谱解混研究现状
    3.2 米氏散射
    3.3 散射项约束非负矩阵分解
        3.3.1 散射项约束和目标函数
        3.3.2 迭代规则确定
        3.3.3 停止条件和算法流程总结
    3.4 实验仿真
        3.4.1 数据集
        3.4.2 参数设置与算法对比
    3.5 本章小结
第4章 基于再权重稀疏和正交约束的非负矩阵分解的高光谱解混
    4.1 稀疏约束和正交约束的研究现状
    4.2 再权重非负矩阵分解
    4.3 正交约束非负矩阵分解
    4.4 基于再权重稀疏和正交约束的非负矩阵分解
    4.5 实验仿真
    4.6 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 发展展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3768950