基于非負(fù)矩陣分解的高光譜圖像解混研究.pdf

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)