基于迭代光谱混合分析的高光谱图像解混技术研究

摘要

高光谱图像的空间分辨率较低,混合像元普遍存在于高光谱图像中,这严重影响了地物的识别和分类精度。光谱解混是一种获得混合像元中的地物种类及丰度信息的处理技术,传统的光谱解混方法需要事先准确给出构造混合像元的端元光谱,妨碍了光谱解混技术的应用,而目前兴起的盲解混技术则可在缺少准确端元光谱信息的情况下,通过对高光谱数据进行分析,直接获取端元和丰度信息。
　　本文分析并比较了传统的光谱解混和盲解混的优劣,给出了一种综合两类方法优点的高光谱图像盲解混方案。本文首先介绍了两种光谱解混方法,给出了常见的光谱混合模型,并采用光谱混合分析模型得到了一种过端元集的混合像元分解方案,并利用真实高光谱数据对算法有效性进行了验证;然后介绍了目前最热门的盲解混技术——非负矩阵分解,分析了其优缺点,针对高光谱图像的特点引入了加权非负矩阵分解,确定了权重构造算法,并通过实验验证了其有效性;最后将混合像元分解算法融入非负矩阵分解框架,并结合迭代光谱混合分析的特点,采用迭代误差分析算法提取端元光谱,引入统计端元概念更新端元光谱,得到了基于迭代光谱混合分析的高光谱图像盲解混算法,并利用真实高光谱数据和构造的仿真数据验证了其有效性。

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 光谱解混的现状及其发展趋势

1.3 本文的主要研究内容

2 基于迭代光谱混合分析的过端元集解混

2.1 迭代光谱混合分析

2.2 基于迭代光谱混合分析的单个像元分解

2.3 基于迭代光谱混合分析的高光谱图像像元分解

2.4 本章小结

3 基于非负矩阵分解的盲解混技术

3.1 非负矩阵分解原理

3.2 约束的非负矩阵分解

3.3 加权非负矩阵分解

3.4 本章小结

4 基于迭代光谱混合模型的高光谱盲解混

4.1 基于迭代光谱混合分析的高光谱图像盲解混

4.2 实验

4.3 本章小结

5 总结和展望

致谢

参考文献