基于非負(fù)矩陣分解的高光譜圖像解混研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、遙感技術(shù)是一門新型的對(duì)地觀測(cè)技術(shù),伴隨著成像光譜儀技術(shù)的進(jìn)步和遙感技術(shù)的發(fā)展,它可以獲取豐富的空間信息,光譜信息和輻射信息,高光譜遙感圖像技術(shù)已經(jīng)被應(yīng)用于很多領(lǐng)域。由于高光譜圖像有著較低的空間分辨率,每個(gè)像元中可能存在多種地物的信息,使得混合像元問題廣泛存在,這也是阻礙了高光譜圖像的實(shí)際應(yīng)用?;旌舷裨纸馐翘幚砀吖庾V混合像元有效的方法,它是將混合像元分解成混合像元所包含的端元信息和對(duì)應(yīng)的豐度信息。
  目前,在高光譜圖像處理領(lǐng)域混

2、合像元分解的方法不斷涌現(xiàn)。高光譜線性混合模型因其簡單、物理意義明確而被廣泛應(yīng)用。線性混合模型是假設(shè)圖像中的像元是由所含有的物質(zhì)的端元和相對(duì)應(yīng)的豐度是線性混合而成。在現(xiàn)有的非負(fù)矩陣方法中,一般是針對(duì)圖中所有地物信息進(jìn)行解混,然而實(shí)際應(yīng)用中常常并不需要求取全部地物類別的豐度信息。如果只考慮感興趣類別,那么既不能將非感興趣類別簡單地去除,又要抑制非感興趣類別帶來的不良干擾,這是一個(gè)二難問題。本論文總結(jié)了前人的研究成果,結(jié)合非負(fù)矩陣分解,并針感

3、興趣類別的混合像元分解進(jìn)行了研究,主要的研究內(nèi)容如下:
  首先,闡述了高光譜線性混合模型,介紹了線性混合模型的解混步驟,并對(duì)常用的端元數(shù)目估計(jì)算法、光譜端元提取算法和豐度反演算法進(jìn)行了介紹。
  然后,重點(diǎn)研究了非負(fù)矩陣分解算法,并對(duì)非負(fù)矩陣分解算法進(jìn)行了簡單介紹,同時(shí),介紹了非負(fù)矩陣分解在高光譜圖像處理中的應(yīng)用和幾個(gè)比較典型的帶有約束項(xiàng)的非負(fù)矩陣算法。提出了一種面向感興趣類別的非負(fù)矩陣算法,將端元矩陣和豐度矩陣分解為感興

4、趣類別和非感興趣類別兩個(gè)部分,對(duì)感興趣類別進(jìn)行約束。假設(shè)感興趣類別的端元構(gòu)成了單形體的頂點(diǎn),用單形體頂點(diǎn)到中心距離最小化作為約束項(xiàng),實(shí)現(xiàn)對(duì)感興趣類別解混的同時(shí)兼顧非感興趣類別的存在。并通過實(shí)驗(yàn)分析算法的抗噪聲性能和像元規(guī)模不同情況下的解混性能,同時(shí)也驗(yàn)證了提出算法的有效性。
  最后,研究了在不同物質(zhì)的光譜中,類內(nèi)物質(zhì)與類間物質(zhì)的光譜距離的差異。提出了一種新的距離約束的非負(fù)矩陣分解算法。利用不同物質(zhì)間的端元光譜的相似性和可分性,對(duì)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論