基于非負(fù)矩陣分解與空間結(jié)構(gòu)正則的光譜豐度估計(jì)研究.pdf

1、近年來(lái)，高光譜遙感成像作為一種新興的對(duì)地測(cè)繪技術(shù)逐漸成為研究熱點(diǎn)。包含著數(shù)十乃至數(shù)百個(gè)波段的光譜信息和場(chǎng)景中的空間信息將被成像光譜儀記錄，這些信息為各類地物精確分類和追蹤以及亞像元定位技術(shù)提供強(qiáng)有力的依據(jù)。然而，隨著光譜分辨率的提高，空間分辨率將受到影響，這勢(shì)必會(huì)使光譜圖像中某些像素點(diǎn)(像元)中包含著幾種完全不同的地物類型，稱為光譜混合現(xiàn)象。顯然，這大大影響了地物鑒別與分類的準(zhǔn)確性。光譜混合像元分解技術(shù)旨在將混合像元分解為幾類地物的光譜

2、向量(端元)和其相對(duì)應(yīng)的所占比例(豐度)的乘積。利用精確的豐度估計(jì)結(jié)果將提高亞像元信息后續(xù)數(shù)據(jù)應(yīng)用的效果。因此，高光譜混合像元的豐度估計(jì)成為了現(xiàn)今遙感技術(shù)發(fā)展中亟待解決的一大問(wèn)題。
　　非負(fù)矩陣分解(Non-negative Matrix Factorization，NMF)方法將一個(gè)非負(fù)且具有較高維數(shù)的矩陣分解成兩個(gè)維數(shù)較低且非負(fù)的矩陣的乘積形式，與線性光譜混合模型一致，常被用于高光譜數(shù)據(jù)解混。然而，NMF是一個(gè)欠定的病態(tài)問(wèn)題，

3、直接應(yīng)用于豐度估計(jì)時(shí)常常陷入局部最小。針對(duì)這一問(wèn)題，本論文挖掘圖像的空間結(jié)構(gòu)信息，基于圖Laplacian構(gòu)造空間結(jié)構(gòu)正則項(xiàng)，設(shè)計(jì)了幾種基于非負(fù)矩陣分解和空間結(jié)構(gòu)正則的光譜豐度估計(jì)算法。具體工作如下：
　　(1)針對(duì)現(xiàn)有NMF豐度估計(jì)算法忽略空間結(jié)構(gòu)信息這一缺陷，設(shè)計(jì)了一種基于幾何結(jié)構(gòu)信息的NMF光譜數(shù)據(jù)豐度估計(jì)方法。首先利用局部滑動(dòng)窗提取高光譜圖像中具有精確輪廓判別信息的空間結(jié)構(gòu)，其次加入譜間距離信息設(shè)計(jì)出基于幾何結(jié)構(gòu)信息的幾何

4、非負(fù)矩陣分解(Geometric NMF,GNMF)豐度估計(jì)算法。將算法分別在兩組人工合成高光譜數(shù)據(jù)和兩組實(shí)際(AVIRIS衛(wèi)星和HYDICE衛(wèi)星)高光譜圖像上進(jìn)行仿真驗(yàn)證，并對(duì)算法的收斂性、各個(gè)正則參數(shù)的選擇加以討論。在不同端元數(shù)下，在估計(jì)精度、魯棒性、計(jì)算復(fù)雜度等方面和相關(guān)方法進(jìn)行對(duì)比，結(jié)果證明：本方法均優(yōu)于SSACEE、GLNMF(Graphed1/2l NMF)等先進(jìn)方法。
　　(2)針對(duì)現(xiàn)有基于NMF的豐度估計(jì)算法計(jì)算復(fù)

5、雜度較高和較多未知因子的缺陷，設(shè)計(jì)了一種耦合壓縮觀測(cè)下的空-譜稀疏豐度估計(jì)(Couple Compressing Spatial-Spectral Sparse Abundance Estimation,CC3SAE)方法。在已知過(guò)完備冗余的光譜端元字典的前提下，挖掘混合像元的豐度自身存在的稀疏性，并且研究豐度的空間信息分布結(jié)構(gòu)，構(gòu)造新的空間流形正則，建立了空-譜聯(lián)合的稀疏豐度估計(jì)方法。此外，將稀疏豐度估計(jì)方法推演到壓縮感知框架，引入耦

6、合非相關(guān)測(cè)量?jī)?yōu)化觀測(cè)矩陣，降低稀疏豐度估計(jì)的復(fù)雜度將該算法用于4組人工合成數(shù)據(jù)和一組實(shí)際的HYDICE衛(wèi)星數(shù)據(jù)的豐度估計(jì)，同傳統(tǒng)的稀疏豐度估計(jì)算法進(jìn)行對(duì)比，并討論了過(guò)完備字典的選擇，對(duì)算法的魯棒性進(jìn)行分析，并將其結(jié)果表明：CC3SAE方法相比于其他稀疏豐度估計(jì)算法的豐度估計(jì)精度更高。
　　(3)針對(duì)某些實(shí)際數(shù)據(jù)難以嚴(yán)格滿足線性解混模型這一問(wèn)題，將 NMF和空間結(jié)構(gòu)正則應(yīng)用于雙線性混合模型，設(shè)計(jì)了一種基于局部近鄰權(quán)值的非負(fù)矩陣分解雙

7、線性豐度估計(jì)方法。采用最鄰接距離結(jié)合光譜間夾角距離計(jì)算局部近鄰權(quán)值，利用拉普拉斯圖正則思想，針對(duì)討論NMF在雙線性混合模型上的應(yīng)用。對(duì)于復(fù)雜的非線性混合模型，少有NMF解混算法應(yīng)用其中。構(gòu)造更加簡(jiǎn)潔的空譜距離流形正則項(xiàng)，利用拉普拉斯圖正則思想，構(gòu)造更加簡(jiǎn)潔的空-譜流形正則。此外，利用已知光譜端元固定通過(guò)NMF迭代不斷修正豐度矩陣使其收斂，達(dá)到豐度估計(jì)的目的。將該算法用于一組人工合成數(shù)據(jù)和一組實(shí)際的AVIRIS衛(wèi)星數(shù)據(jù)，結(jié)果證明：相比雙線