学位论文 > 优秀研究生学位论文题录展示

高光谱影像混合像元分解及亚象元定位

作　者: 何晓宁
导　师: 曹建农
学　校: 长安大学
专　业: 地图学与地理信息系统
关键词: 高光谱图像混合像元分解端元提取顶点成分分析亚象元定位
分类号: TP751
类　型: 硕士论文
年　份: 2013年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

随着高分辨率遥感卫星的发射，海量遥感影像获得，但是实时分析处理能力欠缺，其中最欠缺的是各种有效的算法。对于高光谱遥感影像，急需要解决的一个问题便是混合像元分解，其直接制约了影像的实际应用。但仅仅解决混合像元问题是不够的，其只能获得端元丰度图，不能确定亚象元的空间位置分布，因此还需要解决亚象元定位问题。至此，高光谱影像才能真正得到普遍应用。本文阐述了高光谱遥感的基本概念；研究了高光谱图像的特点；总结了现有的混合像元分解技术，并着重分析研究了几种常见的端元提取算法；同时也总结了现有的亚象元定位技术，并用程序实现了一种亚象元定位算法。最后，通过总结研究现有的高光谱混合像元分解技术，提出了基于顶点成分分析的端元优化算法。顶点成分分析算法（VCA）的本质是一种纯数学方法，具有良好的理论基础，取得了良好效果。但是VCA算法具有三方面缺陷：没有考虑图像空间信息，对于噪声较大的高光谱图像其有效性可能会降低；算法需要预先确定端元数目，但是预先确定正确的端元数目很困难；VCA算法多次运行结果不稳定。针对以上问题，本文提出改进VCA的算法(Improve-VCA)，其指定候选端元数，用候选端元区间的迭代计算、结合图像空间信息以及病态矩阵规避的优化机制，实现了VCA算法的改进。为定量评价算法，充分印证本文算法思想的正确性与有效性，模拟生成了高光谱数据，对常用的端元提取算法(N-FINDR、SGA、VCA、ACEEHIIU)及本文算法(Improve-VCA)进行同条件对比实验与检验，并进行严格的定量分析和说明。定量研究指标采用平均光谱角mSAD、平均光谱信息散度mSID、组分平均夹角mAAD以及丰度反演得到的组分总体均方根误差mARMSE进行综合评价和分析。通过对比分析可知，本文算法能够自动确定端元数目，准确提取端元，在很多方面可以和常用的端元提取算法相媲美，甚至在某些方面更优于常用的端元提取算法。最后，本文用代码实现了一种基于正则MAP模型的高光谱影像亚象元定位算法，对亚象元定位进行了初探，为以后的研究奠定了基础。

高光谱影像混合像元分解及亚象元定位

内容摘要

全文目录

相似论文