基于光谱解混和目标优化的高光谱图像亚像元定位研究

摘要

高光谱图像包含了丰富的光谱信息，普遍的应用于多种领域，逐渐成为了对地观测最为首要的信息源之一。但是由于其成像原理，以及高光谱成像仪的制造技术等诸多外界原因的限制，高光谱图像的空间分辨率普遍比较较低，混合像元普遍存在于图像中。对于土地覆盖制图、海岸线提取、变化检测和景观指数估计等应用来说，混合像元内地物的空间细节信息极其重要，假如按照传统的硬分类方法，图像中的混合像元被归类为任意一种地物都是不正确的。亚像元定位恰好是弥补上述不足的有效方法。因此，亚像元定位技术具有极其重要的研究意义。
　　本文以高光谱图像的光谱解混为基础，结合智能优化算法，研究了高光谱图像亚像元定位。论文的主要工作包括：
　　(1)简单描述了本文研究的相关背景与实际意义，查阅国内外研究相关的文献，并对其进行分析与总结，为本文提出改进的亚像元定位方法提供重要的科学参考与理论支持。
　　(2)对光谱解混相关理论进行系统介绍，包括光谱解混的定义及其数学模型，然后介绍了纯像元假设下的光谱解混典型方法，最后对无纯像元假设下的光谱解混典型方法进行简单介绍。
　　(3)基于光谱解混和目标优化的亚像元定位算法的总体框架，确定以图像连通区域周长最小为目标函数，并介绍了三种不同的图像周长计算方法，进一步分析了适用于亚像元定位的优化算法。为了减少算法的时间复杂度，根据地物空间分布特点，提出了一种新的目标优化迭代策略，采用局部分析代替全局分析。
　　(4)分别阐述了遗传算法和二进制粒子群算法的基本原理，以及两种算法在亚像元定位中的具体应用，包括群体的表示及更新过程，并结合3种不同的目标函数计算方法，对比了两种优化算法在亚像元定位中的应用效果。
　　(5)通过分析连通区域存在特例时基于链码长度求周长最小无法保证结果最优的原因，提出修改孤立区域的周长并考虑连通区域个数构造代价函数，最后利用二进制粒子群优化实现亚像元定位。
　　(6)总结本文所做工作，并对未来高光谱图像亚像元定位方面的发展方向进行展望。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3本文研究工作内容

第2章 高光谱图像光谱解混的典型方法

2.1 高光谱图像光谱混合模型

2.2 纯像元假设下的光谱解混典型方法

2.3 无纯像元假设下的光谱解混典型方法（非负矩阵分解）

2.4 本章小结

第3章 基于光谱解混和目标优化的亚像元定位算法框架

3.1 算法流程

3.2 目标函数

3.3 优化算法及迭代策略

3.4 本章小结

第4章 几种亚像元定位算法的比较

4.1 基于遗传算法的亚像元定位

4.2 基于二进制粒子群的亚像元定位

4.3 本章小结

第5章 基于改进优化目标函数的亚像元定位

5.1 基于链码长度求区域周长的算法分析

5.2 改进的目标函数

5.3 实验结果与分析

5.4 本章小结

第6章 结论及展望

6.1 本文工作总结

6.2 展望

致谢

参考文献

攻读硕士期间发表的学术论文