基于聯(lián)合稀疏表示的高光譜圖像解混方法研究.pdf

1、衛(wèi)星遙感成像技術(shù)能夠同時(shí)獲得圖像的空間信息和光譜信息，是人們獲取對(duì)地遙感和深空探測(cè)目標(biāo)信息的重要手段，在地質(zhì)勘測(cè)，環(huán)境監(jiān)測(cè)，土地規(guī)劃，目標(biāo)檢測(cè)與跟蹤等許多領(lǐng)域有著非常重要的應(yīng)用。但是受到成像光譜儀的限制，高光譜圖像空間分辨率較低，導(dǎo)致混合像元普遍存在，嚴(yán)重制約了高光譜圖像的廣泛應(yīng)用。因此，研究高光譜圖像混合像元分解具有非常重要的現(xiàn)實(shí)意義。
　　論文對(duì)傳統(tǒng)高光譜圖像解混技術(shù)進(jìn)行了論述，在對(duì)國(guó)內(nèi)外現(xiàn)有的高光譜圖像稀疏解混方法進(jìn)行深入研

2、究的基礎(chǔ)上，對(duì)現(xiàn)有高光譜稀疏解混算法進(jìn)行改進(jìn)。本文的主要研究成果可概括如下：
　　(1)針對(duì)端元候選集中包含冗余端元導(dǎo)致豐度重構(gòu)精度不高的問(wèn)題，提出了一種基于回溯的聯(lián)合正交匹配追蹤高光譜圖像解混算法。首先將高光譜圖像分為若干個(gè)圖像塊，并對(duì)每個(gè)圖像塊采用聯(lián)合匹配追蹤的方法提取端元，將每個(gè)子塊端元候選集合并作為整幅圖像的端元集合，然后通過(guò)檢測(cè)當(dāng)前端元集合中每個(gè)端元與當(dāng)前像元的相關(guān)性，將冗余端元從端元集合中剔除。對(duì)比其他聯(lián)合貪婪算法，該

3、算法有效減少了端元集合的冗余端元，提高了豐度重構(gòu)的精度。
　　(2)針對(duì)光譜曲線相關(guān)性較高，影響最優(yōu)端元提取的問(wèn)題，提出了一種基于遞歸字典的聯(lián)合正交匹配追蹤高光譜圖像解混算法。在每次迭代過(guò)程中，先將光譜庫(kù)投影到子空間并進(jìn)行正交化處理，降低光譜曲線的相關(guān)性，再利用殘差與正交化后的光譜曲線進(jìn)行端元提取。該算法能夠有效提取最優(yōu)端元，與其他貪婪算法相比具有更高的光譜解混精度。
　　(3)提出了一種復(fù)合正則化的聯(lián)合稀疏貝葉斯學(xué)習(xí)解混算

4、法。在貝葉斯框架下，對(duì)各參數(shù)建立概率模型，經(jīng)貝葉斯推斷得到最優(yōu)化問(wèn)題，利用一種快速迭代方法進(jìn)行參數(shù)學(xué)習(xí)。將豐度系數(shù)的非負(fù)性與和為一性加入最優(yōu)化問(wèn)題，并利用交替迭代方法進(jìn)行求解。對(duì)比貪婪算法和凸優(yōu)化算法，該算法能夠獲得更高的解混精度。
　　(4)提出基于空間相關(guān)性約束的聯(lián)合稀疏貝葉斯學(xué)習(xí)算法。將相鄰像元的聯(lián)合稀疏性和空間相關(guān)性同時(shí)作為約束條件加入到最優(yōu)化問(wèn)題中，并利用懲罰參數(shù)平衡聯(lián)合稀疏約束與空間相關(guān)性約束的影響。該算法針對(duì)模擬圖像