高光谱影像混合像元分解及亚象元定位

摘要

随着高分辨率遥感卫星的发射,海量遥感影像获得,但是实时分析处理能力欠缺,其中最欠缺的是各种有效的算法。对于高光谱遥感影像,急需要解决的一个问题便是混合像元分解,其直接制约了影像的实际应用。但仅仅解决混合像元问题是不够的,其只能获得端元丰度图,不能确定亚象元的空间位置分布,因此还需要解决亚象元定位问题。至此,高光谱影像才能真正得到普遍应用。
　　本文阐述了高光谱遥感的基本概念;研究了高光谱图像的特点;总结了现有的混合像元分解技术,并着重分析研究了几种常见的端元提取算法;同时也总结了现有的亚象元定位技术,并用程序实现了一种亚象元定位算法。最后,通过总结研究现有的高光谱混合像元分解技术,提出了基于顶点成分分析的端元优化算法。
　　顶点成分分析算法(VCA)的本质是一种纯数学方法,具有良好的理论基础,取得了良好效果。但是VCA算法具有三方面缺陷:没有考虑图像空间信息,对于噪声较大的高光谱图像其有效性可能会降低;算法需要预先确定端元数目,但是预先确定正确的端元数目很困难;VCA算法多次运行结果不稳定。针对以上问题,本文提出改进VCA的算法(Improve-VCA),其指定候选端元数,用候选端元区间的迭代计算、结合图像空间信息以及病态矩阵规避的优化机制,实现了VCA算法的改进。
　　为定量评价算法,充分印证本文算法思想的正确性与有效性,模拟生成了高光谱数据,对常用的端元提取算法(N-FINDR、SGA、VCA、ACEEHIIU)及本文算法(Improve-VCA)进行同条件对比实验与检验,并进行严格的定量分析和说明。定量研究指标采用平均光谱角mSAD、平均光谱信息散度mSID、组分平均夹角mAAD以及丰度反演得到的组分总体均方根误差mARMSE进行综合评价和分析。通过对比分析可知,本文算法能够自动确定端元数目,准确提取端元,在很多方面可以和常用的端元提取算法相媲美,甚至在某些方面更优于常用的端元提取算法。
　　最后,本文用代码实现了一种基于正则MAP模型的高光谱影像亚象元定位算法,对亚象元定位进行了初探,为以后的研究奠定了基础。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景和目的

1.2 研究方法

1.3 研究内容

1.4 文章结构

第二章 高光谱遥感概述

2.1高光谱遥感

2.2高光谱遥感数据的特点

2.3高光谱数据的混合像元

2.4高光谱数据的亚象元定位

第三章 高光谱数据混合像元分解

3.1混合像元分解的概念

3.2混合像元形成的主要原因

3.3混合像元的线性分解模型

3.4常用的端元数目的确定方法

3.5常用的端元提取算法

第四章 基于顶点成分分析的端元优化算法

4.1 VCA算法原理及其缺陷

4.2算法的改进

4.3端元光谱集趋于稳定及自适应获得端元矢量数目

4.4算法描述

4.5算法分析

4.6实验分析

4.7端元提取算法的评价指标

第五章 基于正则MAP模型的高光谱影像亚象元定位算法

5.1 亚象元定位的模型

5.2 亚象元定位模型的定位原理

5.3 正则MAP亚象元定位方法

5.4 实验及分析

第六章 总结与展望

6.1总结

6.2进一步的研究方向

参考文献

攻读学位期间取得的研究成果和参与项目

致谢