基于空间辅助信息的高光谱解混算法研究

目录

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1基于几何学解混研究现状

1．2．2基于稀疏解混研究现状

1．2．3基于非负矩阵分解解混研究现状

1．3研究内容及组织结构

1．3．1研究内容

1．3．2论文的组织结构

第2章高光谱解混理论基础

2．1混合像元分解模型

2．1．1线性光谱混合模型

2．1．2非线性光谱混合模型

2．1．3高光谱解混流程

2．2端元数目估计

2．2．1主成分分析

2．2．2虚拟维度

2．2．3最小误差信号子空间识别

2．3经典端元提取算法

2．3．1纯像元指数

2．3．2内部最大体积法

2．3．3顶点成分分析

2．4典型丰度估计算法

2．4．1无约束最小二乘算法

2．4．2和为一约束最小二乘算法

2．4．3非负约束最小二乘算法

2．4．4全约束最小二乘算法

2．5高光谱混合像元分解精度评价

2．6本章小结

第3章基于空间信息与先验信息的线性高光谱解混

3．1非负矩阵分解算法

3．1．1非负矩阵分解原理算法

3．1．2基于非负矩阵分解模型的光谱解混方法

3．1．3平滑约束非负矩阵分解模型的光谱解混方法

3．2混合像元分解的端元互斥先验信息

3．3基于空间信息与先验信息的线性高光谱解混

3．3．1刻画空间邻域相关性的局部结构元素

3．3．2基于空间信息与先验信息的端元子集确定

3．3．3基于空间与先验信息线性高光谱解混算法

3．3．4算法总体流程

3．4本章小结

第4章实验验证与结果分析

4．1模拟数据集

4．1．1模拟数据集Data1

4．1．2模拟数据集Data2

4．2模拟数据集实验

4．2．1模拟数据集Data1实验

4．2．2模拟数据集Data2实验

4．3真实数据集

4．3．1Urban高光谱数据集

4．3．2Jasper Ridge高光谱数据集

4．4真实数据集实验

4．4．1Urban数据集实验

4．4．2Jasper Ridge数据集实验

4．5本章小结

结论

参考文献

致谢

攻读学位期间取得学术成果

声明