基于空間相關性約束稀疏表示的高光譜圖像解混方法研究.pdf

1、高光譜成像技術對同一地區(qū)的幾十甚至幾百個波段同時成像，將圖像空間信息和光譜信息結合在了一起，常被用于地物分類、地表目標檢測、環(huán)境監(jiān)測、城市規(guī)劃、資源勘探、災難預警等領域。但由于受限于傳感器的空間分辨率，高光譜圖像中每個像元通常包含多種不同地物，這使得高光譜圖像普遍存在混合像元問題。而混合像元的存在，嚴重影響了高光譜圖像數(shù)據(jù)處理的精度。因此，如何有效地解決高光譜圖像混合像元分解問題，是高光譜遙感圖像后續(xù)分析和定量化應用的關鍵。近年來，隨著

2、壓縮感知理論和稀疏表示理論的發(fā)展，有學者用已知光譜庫替代從圖像中選取的端元集合，并將稀疏性約束加入到混合像元分解之中，提出了稀疏解混方法，己經成為高光譜圖像混合像元分解領域里的一個研究熱點，引起了廣泛的關注和研究。本論文針對稀疏解混在高光譜圖像混合像元分解中的應用進行了大量研究，其主要研究工作和創(chuàng)新包括以下幾部分：
　　1）提出一種基于自適應全變分的高光譜遙感圖像稀疏解混方法。根據(jù)高光譜圖像的空間相關特性，將自適應全變差約束項加入

3、稀疏解混模型中，并采用交替方向乘子法求解稀疏解混模型。在交替迭代中，全變差正則項加權系數(shù)因子不再是一個全局的變量，而是根據(jù)圖像信息決定全變差正則項加權系數(shù)，并用圖像的邊緣信息對全變差正則項加權系數(shù)進行加權。在模擬和實際數(shù)據(jù)實驗可以看出，本章算法明顯優(yōu)于基于全變分的高光譜遙感圖像稀疏解混方法，而且能夠更好地保護豐度圖像邊緣信息。
　　2）針對SOMP和SMP等貪婪算法在端元選擇機制中存在非最優(yōu)問題，提出一種基于自適應回溯聯(lián)合正交匹配