高光谱图像光谱解混及端元提取方法研究

摘要

随着高光谱传感器分辨率的提升，高光谱遥感图像在纳米级的光谱分辨率提供海量地表信息，如何快速去除冗余提取有效信息是当前高光谱遥感研究热点。瞬时视场及高光谱成像原理限制了高光谱图像的空间分辨率，使得单个像元混合多种实际地物，产生混合像元。将混合像元分解为多个同质像元（端元）的函数表达需要在线性或非线性模型下先进行端元提取，然后确定各个端元对混合像元的贡献比例（丰度估计），得到可以继续展开高光谱图像分类分析的丰度图。由此可知高光谱遥感影像处理的三个重点问题：端元数目的确定，端元提取方法研究，混合像元分解。如何有效、快速地提取端元是高光谱解混技术研究的关键点。
　　本文先介绍了高光谱图像处理的背景知识，总结了近年来国内外端元提取算法工作进展，分析了高光谱图像相关处理技术的要求。针对端元提取算法详细介绍了几种经典端元提取算法的思想及原理，并对算法进行简单的分析。重点研究和分析了N-FINDR和OSP端元提取算法的原理和缺陷，总结了N-FINDR改进思路，提出并实现了一个在原始N-FINDR算法基础上结合空间信息进行端元提取的方法，最后通过人工模拟数据和实际高光谱数据两种类型三组数据验证改进方法的有效性，并用主要评价指标进行比较分析。实验结果表明，结合空间信息的端元提取方法有效提高了端元提取的准确性，取得更好的效果。但是限于几何模型的假设，寻找最大体积单形体的顶点并不能对所有复杂的数据都有效，容易产生端元光谱混淆的高光谱图像并不能很好的提取所有的纯正端元。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的研究内容和创新点

1.4 论文的章节安排

第二章 高光谱数据处理

2.1 高光谱数据

2.2 解混模型

2.3 高光谱数据预处理

2.4 端元个数确定

2.5 本章小结

第三章 高光谱影像解混及评价

3.1 基于线性混合模型的端元提取算法

3.2 非线性解混模型的端元提取算法

3.3 丰度反演方法

3.4 高光谱解混评价

3.5 基于N-FINDR改进的端元提取算法

3.6 本章小结

第四章 算法实验

4.1 模拟数据实验

4.2 实际数据实验

4.3 本章小结

第五章 总结展望

5.1 总结

5.2 展望

参考文献

攻读学位期间取得的研究成果

致谢