基于稀疏约束和流形正则化的高光谱非线性解混算法研究

摘要

高光谱图像的出现给遥感技术的发展带来了巨大的变革。高光谱成像波段宽度达到纳米级别，可以提供波段众多、光谱覆盖范围广的数据，为不同的遥感应用提供丰富的特征信息。在过去的几十年中，高光谱遥感在环境资源检测、灾害损失评估、区域分析与建设规划、生物物理建模、气象预报和军事侦察等领域均发挥了重要的作用。
　　然而混合像元普遍存在于高光谱图像中，为后续像素级应用处理带来了巨大的困难，因此有必要对高光谱数据进行混合像元的分解。基于线性混合模型的像元分解模型简单，却没有考虑地物混合的非线性多重散射效应。基于非线性混合模型的高光谱解混算法则突破了线性解混算法的这一局限。
　　修正广义双线性混合模型(MGBM)结合了广义双线性混合模型(GBM)和多项式后非线性混合模型(PPNMM)的优势，在描述光谱混合方面取得了很好的效果。因此本文针对MGBM非线性混合模型，提出一种通过联合稀疏表示和流行正则化方法进行高光谱图像非线性解混的方法，即RNSM算法。为了提高光谱解混效果、更好的刻画高光谱数据内在的流形结构，使用了联合稀疏约束和流行正则化方法，同时采用对噪声具有更高鲁棒性的l2,1范数作为目标函数。此外，给出了一种简洁高效的迭代更新算法并分析更新算法的收敛性。最后，论文使用模拟数据和真实高光谱数据对算法进行测试分析，结果均表明RNSM算法在解决光谱混合方面能取得优于目前解混算法的效果。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 光谱成像技术发展现状

1.3 高光谱解混技术研究现状

1.3.1 线性解混算法研究现状

1.3.2 非线性解混技术研究现状

1.4 本文的主要研究内容与组织结构

2光谱解混技术

2.1 双线性光谱混合模型

2.2 丰度稀疏约束

2.3 流形正则化

2.4本章小结

3 基于稀疏表示和流形正则化的高光谱解混算法

3.1基于稀疏表示的高光谱非线性解混模型

3.2基于稀疏表示和流形正则化的高光谱非线性解混模型

3.3模型求解算法

3.4本章小结

4实验与结果分析

4.1合成图像实验结果与分析

4.2真实高光谱图像实验结果与分析

4.3本章小结

5 工作总结与展望

致谢

参考文献