高光谱遥感数据降维及端元提取方法研究

摘要

图像分类作为对地观测的重要手段之一，一般根据图像像元的光谱信息和空间关系，将图像中的像元进行地物类别的划分和属性确定。高光谱遥感影像高达几百条上千的波段和冗余的数据内容，使得图像处理压力巨大。并且与传统遥感影像存在很大区别，高光谱影像受空间分辨率的局限导致图像像元类别难以确定以及混合像元现象普遍存在，使得图像分类精度难以提高，但偏偏又得益于高光谱影像丰富的光谱信息，它让提取纯净的像元（端元）并分解混合像元成为可能。本文截取部分Hyperion遥感影像数据做为降维部分的实验数据，分别采用主成分分析法（PCA）和最小噪声分离法（MNF）对比数据降维的效果，并根据研究区的地物分布类型改进降维方法；其次采用ASD实测光谱数据模拟两幅仅有光谱信息的高光谱数据，针对常用的纯净像元指数法（PPI）和内部最大体积法（N-FINDR）的优势和不足将上述端元提取方法加以改进，对比改进前后效果；最后仍然利用Hyperion数据验证改进后端元提取效果。研究结果以期为高光谱遥感影像的端元提取方法提供参考。
　　研究内容和主要结论包括：
　　1、高光谱数据降维：采用Symlets小波去噪的SPCA降维。在端元提取过程中，最常用的降维方法是PCA和MNF,对实验数据进行PCA和MNF变换后，对比变换后的成分和特征值的保留情况，可以得出PCA变换后数据明显被压缩，且有效数据保留情况较好，但是信噪比不一定会随着波段增加减小，在某些成分信息量较大但是噪声也很多；MNF变换可以有效剔除噪声，压缩数据，但是基于图像空间特征的噪声评估方法使得变换结果不能保证各成分按照真实的图像质量进行排序，信息损失也相对较大，且在地表破碎的影像上分类精度不高。为了既保留较多数据信息又去除噪声影响，因此本文采用小波去噪的SPCA降维方法。小波去噪效果好，且分段处理还可以保留目标较少的地物信息，在本研究影像上地物分散破碎的情况下分类效果更好。
　　2、PPI端元提取方法改进：采用小波去噪的SPCA替代传统的MNF变换后提取端元。在传统PPI算法中，MNF降维具有较好的效果，但是在地物破碎的情况下该方法的到的分类精度并不高。本文利用ASD光谱仪实测光谱，模拟两幅高光谱影像，分别是地表纯净地物分布不均和纯净地物聚集分布的数据，用改进前后的方法提取端元，在地表纯净地物聚集时，改进前后提取的端元数量一致，改进后端元质量有所改进，但是相差不大，但是在纯净地物破碎分布的模拟影像中，改进后的方法比传统方法多提取土壤端元，端元质量也有较大的提高。利用Hyperion影像应用改进前后的PPI算法提取端元验证算法改进效果，得出改进后在地表破碎区域可以提取传统方法丢失的端元，且总体端元质量和端元的精度得到提高，但是提高幅度不是很大。因此可以得出PPI端元提取的降维方法选取与研究区下垫面地物分布有很大关系，当地表上同种地物聚集程度较好地物面积较大时，MNF降维后的PPI端元提取效果很好，当下垫面地物破碎且面积较小时，改进后的方法可以提取出更多的端元。本文 PPI改进方法对破碎地表应用效果更好。
　　3、N-FINDR端元提取方法改进：采用小波去噪的SPCA替代传统的PCA变换，并且将改进后的PPI算法提取的端元作为N-FINDR算法的初始端元。传统的N-FINDR算法采用 PCA降维，全局变换让小目标信息丢失，信噪比并没有随信号增加而降低，且随机设定初始端元影响算法的速度。因此本文对降维部分做改进，并设置初始端元，应用ASD数据模拟的影像进行验证，发现改进后的方法提取的最大单形体体积比改进前大，算法时间没有区别。利用Hyperion数据验证，得出改进后算法时间缩短，单形体体积增大，端元质量和精度都得到提高，并且改进结果不受下垫面影响。
　　4、N-FINDR改进效果优于PPI改进效果。改进后的PPI提取的端元在地物聚集程度高的区域效果并不明显，在地表破碎的区域可以提取出传统方法丢失的端元，而N-FINDR不仅可以提取出丢失的端元，并且共同提取的端元质量也大大提高，因此两种改进方法相比而言，N-FINDR改进效果更加明显。

目录

声明

第一章 绪论

1.1 选题背景及研究意义

1.2 国内外研究现状

1.3 研究内容和技术路线

第二章 高光谱遥感数据降维技术

2.1数据介绍

2.2 常用的降维方法介绍

2.3 改进降维方法

2.4 本章小结

第三章 端元提取方法改进

3.1 纯净像元指数法改进

3.2 最大单形体体积法改进

3.3 改进效果对比

3.4 本章小结

第四章 Hyperion卫星数据验证

4.1 纯净像元指数法端元提取改进前后效果对比

4.2 最大单形体体积法端元提取效果对比

4.3 本章小结

第五章 结论和展望

5.1 研究结论

5.2 创新与不足

5.3 研究展望

参考文献

致谢

攻读学位期间参与的项目及发表的论文