12285.高光譜遙感影像端元提取算法研究及應(yīng)用

1、中圖分類號(hào)里2三2UDC52墨碩士學(xué)位論文學(xué)校代碼!Q5蘭三密級(jí)公玨高光譜遙感影像端元提取算法研究及應(yīng)用ResearchonEndmemberExtractionAlgorithmandApplicationofHyperspectralRemoteSensingImage作者姓名：學(xué)科專業(yè)：研究方向：學(xué)院(系、所)：指導(dǎo)教師：副指導(dǎo)‘教師：牛貝貝測(cè)繪工程高光譜遙感應(yīng)用研究地球科學(xué)與信息物理院楊敏華教授余德清高工一一主席印中南大學(xué)201

2、4年5月高光譜遙感影像端元提取算法研究及應(yīng)用摘要：本文主要圍繞高光譜遙感數(shù)據(jù)在混合像元分解技術(shù)中的應(yīng)用展開。針對(duì)這個(gè)中心提出了新的混合像元分解的方法，并根據(jù)實(shí)驗(yàn)進(jìn)行了驗(yàn)證其有效性。高光譜遙感影像一般包含了上百個(gè)波段豐富的光譜信息，具有光譜分辨率高的特點(diǎn)，可以通過(guò)光譜信息分析與傳統(tǒng)的影像空間信息分析結(jié)合，進(jìn)行更高程度地從圖像中挖掘出有用的信息。單個(gè)像元內(nèi)包含的多種地物光譜的混合效應(yīng)、大氣傳輸過(guò)程中的混合效應(yīng)、遙感儀器本身的混合效應(yīng)，使得混

3、合像元普遍存在于圖像中。隨著高光譜遙感廣泛推廣應(yīng)用，混合像元分解技術(shù)的成熟，使得目標(biāo)探測(cè)由像元級(jí)達(dá)到亞像元級(jí)別成為現(xiàn)實(shí)，提高了影像分類、識(shí)別等應(yīng)用精度?；旌舷裨纸獾氖滓獑?wèn)題是端元的確定，再利用求取的端元和混合像元分解模型進(jìn)行求解豐度。本文圍繞高光譜遙感影像的端元提取這個(gè)中心進(jìn)行研究，主要內(nèi)容和研究工作成果是：(1)針對(duì)高光譜遙感數(shù)據(jù)具有量大，且計(jì)算復(fù)雜度高等問(wèn)題，提出了基于ICA特征提取的NFINDR算法，并與傳統(tǒng)的MNF特征提取后進(jìn)

4、行NFIDNR端元提取實(shí)驗(yàn)對(duì)比，影像解混后的豐度誤差圖像的協(xié)方差降低，驗(yàn)證了該算法的有效性和優(yōu)越性。(2)相較只利用光譜信息的傳統(tǒng)端元提取算法和合理利用空間信息和光譜信息，但判別端元程序繁瑣的AMEE端元提取算法，提出了基于坐標(biāo)的最大距離法的AMEE的改進(jìn)的方法，并結(jié)合AVIRS高光譜遙感數(shù)據(jù)進(jìn)行實(shí)驗(yàn)對(duì)比，驗(yàn)證了該方法的可行性。圖17幅，表5個(gè)，參考文獻(xiàn)55篇。關(guān)鍵詞：高光譜遙感；端元提??；混合像元；數(shù)學(xué)形態(tài)學(xué)；最大距離法；獨(dú)立成分分析