高光譜影像混合像元分解及亞象元定位.pdf

1、隨著高分辨率遙感衛(wèi)星的發(fā)射,海量遙感影像獲得,但是實(shí)時(shí)分析處理能力欠缺,其中最欠缺的是各種有效的算法。對(duì)于高光譜遙感影像,急需要解決的一個(gè)問題便是混合像元分解,其直接制約了影像的實(shí)際應(yīng)用。但僅僅解決混合像元問題是不夠的,其只能獲得端元豐度圖,不能確定亞象元的空間位置分布,因此還需要解決亞象元定位問題。至此,高光譜影像才能真正得到普遍應(yīng)用。
　　本文闡述了高光譜遙感的基本概念;研究了高光譜圖像的特點(diǎn);總結(jié)了現(xiàn)有的混合像元分解技術(shù),并

2、著重分析研究了幾種常見的端元提取算法;同時(shí)也總結(jié)了現(xiàn)有的亞象元定位技術(shù),并用程序?qū)崿F(xiàn)了一種亞象元定位算法。最后,通過總結(jié)研究現(xiàn)有的高光譜混合像元分解技術(shù),提出了基于頂點(diǎn)成分分析的端元優(yōu)化算法。
　　頂點(diǎn)成分分析算法(VCA)的本質(zhì)是一種純數(shù)學(xué)方法,具有良好的理論基礎(chǔ),取得了良好效果。但是VCA算法具有三方面缺陷:沒有考慮圖像空間信息,對(duì)于噪聲較大的高光譜圖像其有效性可能會(huì)降低;算法需要預(yù)先確定端元數(shù)目,但是預(yù)先確定正確的端元數(shù)目很

3、困難;VCA算法多次運(yùn)行結(jié)果不穩(wěn)定。針對(duì)以上問題,本文提出改進(jìn)VCA的算法(Improve-VCA),其指定候選端元數(shù),用候選端元區(qū)間的迭代計(jì)算、結(jié)合圖像空間信息以及病態(tài)矩陣規(guī)避的優(yōu)化機(jī)制,實(shí)現(xiàn)了VCA算法的改進(jìn)。
　　為定量評(píng)價(jià)算法,充分印證本文算法思想的正確性與有效性,模擬生成了高光譜數(shù)據(jù),對(duì)常用的端元提取算法(N-FINDR、SGA、VCA、ACEEHIIU)及本文算法(Improve-VCA)進(jìn)行同條件對(duì)比實(shí)驗(yàn)與檢驗(yàn),并進(jìn)

4、行嚴(yán)格的定量分析和說(shuō)明。定量研究指標(biāo)采用平均光譜角mSAD、平均光譜信息散度mSID、組分平均夾角mAAD以及豐度反演得到的組分總體均方根誤差mARMSE進(jìn)行綜合評(píng)價(jià)和分析。通過對(duì)比分析可知,本文算法能夠自動(dòng)確定端元數(shù)目,準(zhǔn)確提取端元,在很多方面可以和常用的端元提取算法相媲美,甚至在某些方面更優(yōu)于常用的端元提取算法。
　　最后,本文用代碼實(shí)現(xiàn)了一種基于正則MAP模型的高光譜影像亞象元定位算法,對(duì)亞象元定位進(jìn)行了初探,為以后的研究奠