收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

非监督的高光谱图像解混技术研究

贾森  
【摘要】: 高光谱图像是利用成像光谱仪对同一地表区域的几十乃至几百个波段同时成像而获得的三维图像。利用这些丰富的光谱信息对地物进行检测和识别是高光谱图像的主要应用之一,同时,这也是高光谱图像能够广泛应用于军事和民用领域的重要原因。然而,由于高光谱图像的空间分辨率一般较低,导致混合像元普遍存在于遥感图像中;混合像元问题不仅影响地物的识别和分类精度,而且是遥感技术向定量化发展的重要障碍。因此,如何有效地解译混合像元是高光谱遥感应用的关键问题之一。 将混合像元的测量光谱分解为不同的“基本组分”,或称“端元”,并求得这些组分在像元中所占的比例,或称“丰度”,这就是所谓的“光谱解混”过程。传统的光谱解混一般包含端元选择和混合像元分解两个步骤,不过,地物光谱数据库的非完备性以及每种地物类别对于纯像元的存在性假设导致该方法的解混效果并不理想。相反地,非监督的高光谱图像解混技术则是在端元信息完全未知的情况下,直接从遥感图像本身入手,根据混合像元的光谱模型以及约束条件等信息,利用非监督的信号处理方法得到端元光谱及其组分信息。非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了一条新的思路,成为近年来的一个研究热点。本文以非监督的高光谱图像解混技术为主要研究内容,根据高光谱图像中端元光谱及其空间分布的非负性和连续性约束,以及端元分布的稀疏性约束,运用盲信号分离(blind source separation,BSS)和非负矩阵分解(nonnegative matrix factorization,NMF)技术来获得关于混合像元的光谱合成信息及其空间分布。主要的研究工作如下: 1)利用Markov随机场(Markov random field,MRF)模型将空间信息引入到独立分量分析(independent component analysis,ICA)算法中,提出了MRF-ICA混合模型。由于地物在图像空间分布上的连续性,使得某一地物的周围同样为此种地物的可能性很大,表现出像元在空间上的相关性;而MRF模型是根据像素的局部空间相关性建立其联合概率分布的一种强有力的工具。实验结果表明MRF-ICA混合模型能够得到比快速ICA(FastICA)算法更好的解混结果。 2)针对ICA算法处理光谱解混问题的缺陷(其前提条件—独立性和稳定的数据统计规律—在高光谱图像中都是不满足的),引入了一种基于复杂度的盲信号分离技术来进行光谱解混,该方法利用复杂度的度量来代替独立性。首先,我们把处理一维混合信号分离的复杂度映射算法扩展到二维空间来描述端元丰度的空间自相关性,称为空间复杂度的盲信号分离算法。然后,将描述光谱平滑性特征的光谱复杂度引入到该算法中,称为光谱和空间复杂度的盲信号分离算法。基于复杂度的盲信号分离算法主要有以下三方面的优点: ●基于复杂度的盲信号分离算法基于一个更合理的假设:由于高光谱数据的光谱分辨率较高而图像的空间分辨率较低,使得相应的端元光谱及其分布的统计特性具有平滑变化的特点。 ●在高光谱数据中,谱段的个数(L)一般都远大于端元的个数(P)。对于这种情况,ICA通常使用主分量分析法(principal component analysis,PCA)通过保留大特征值对应的分量来达到降维的目的。然而,一些重要的特征可能存在于被PCA丢弃的子空间中。而对于基于复杂度的盲信号分离方法来说,我们发现了一个重要的性质,即谱段的个数越多,获得的原始信号精度越高,这表明LP不仅不是一个限制条件,反而体现了算法的优势所在。 ●高光谱图像巨大的数据量使得数据处理的时间复杂度是衡量算法有效性的一个重要指标。由于信号(光谱或空间)预测度的度量方式很容易被实现,因此基于复杂度的盲信号分离算法具有一个可行的计算代价。 实验结果表明,基于复杂度的盲信号分离算法为非监督的高光谱图像解混提供了一种有前景的方法。 3)进一步,通过引入光谱数据的非负性和端元分布的稀疏性约束来对基于复杂度的盲信号分离算法进行扩展。其中,稀疏性的度量是通过非平滑的NMF算法和稀疏约束的NMF算法来实现的;而且借助于辅助函数证明了算法的单调收敛性。合成数据的实验得到下面的结论:该算法对于噪声、信号和光照的变化都具有较强的鲁棒性,同时能够适用于高光谱数据中包含较多像元和多个端元情况下的光谱解混。此外,实际高光谱数据集的实验结果表明算法能够给出端元光谱及其分布的精确估计。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴传庆,童庆禧,郑兰芬;基于小波变换的高光谱图像消噪[J];遥感信息;2005年04期
2 张立燕;谌德荣;李世义;曹旭平;;基于低概率检测的高光谱图像有损压缩方法研究[J];弹箭与制导学报;2008年01期
3 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期
4 李婷;陈小梅;陈刚;薛博;倪国强;;一种双正则项全变差高光谱图像去噪算法[J];光谱学与光谱分析;2011年01期
5 王晋;张晓玲;沈兰荪;柴焱;;一种基于网格编码量化的高光谱图像无损压缩方法[J];中国图象图形学报;2006年01期
6 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期
7 王晋;张晓玲;柴焱;沈兰荪;;一种基于自适应预测的高光谱图像近无损压缩方法[J];计算机应用研究;2007年05期
8 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期
9 张立燕;谌德荣;陶鹏;;基于顶点成分分析的高光谱图像低概率异常检测方法研究[J];宇航学报;2007年05期
10 陈雨时;张晔;谷延锋;;基于特征选择的高光谱图像快速矢量量化算法[J];哈尔滨工业大学学报;2007年11期
11 张立燕;谌德荣;陶鹏;;端元提取技术在高光谱图像压缩中的应用[J];光谱学与光谱分析;2008年07期
12 程翥;粘永健;辛勤;万建伟;;基于三维整数小波与自适应预测的高光谱图像压缩研究[J];计算机工程与科学;2009年04期
13 赵春晖;王楠楠;;基于背景抑制及顶点成分分析的高光谱异常小目标检测[J];应用科技;2009年09期
14 孙蕾;谷德峰;罗建书;;最佳递归双向预测的高光谱图像无损压缩[J];光学精密工程;2009年11期
15 张翔;;基于光谱特征增强的高光谱图像地物目标识别[J];红外技术;2010年12期
16 吴泽彬;韦志辉;孙乐;刘建军;;基于迭代加权L1正则化的高光谱混合像元分解[J];南京理工大学学报;2011年04期
17 赖兆强;彭永丰;谭毅华;田金文;;基于重组的DPCM和位平面编码的高光谱图像压缩方案[J];计算机与数字工程;2006年10期
18 杨诸胜;郭雷;罗欣;胡新韬;;一种基于主成分分析的高光谱图像波段选择算法[J];微电子学与计算机;2006年12期
19 陈雨时;张晔;张钧萍;;基于线性模型最优预测的高光谱图像压缩[J];南京航空航天大学学报;2007年03期
20 佘红伟;张艳宁;袁和金;;一种无监督高光谱图像分类算法[J];中国图象图形学报;2008年06期
中国重要会议论文全文数据库 前10条
1 高云;李小昱;刘长举;周竹;;基于高光谱图像技术的霉烂板栗识别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
2 高洪燕;毛罕平;张晓东;周莹;;番茄叶片氮素反射光谱及高光谱图像的研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
3 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
4 罗春生;薛龙;刘木华;黎静;;基于荧光高光谱图像检测鸭肉嫩度的初步研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 刘超;何元磊;黄世奇;刘志刚;王长海;;一种新的高光谱图像有监督特征提取方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
6 何元磊;黄世奇;易世华;刘志刚;齐玮;;一种基于噪声调节主成分分析的高光谱图像波段选择方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
7 薛龙;黎静;刘木华;;IDL与ENVI的二次开发在高光谱图像预处理的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
8 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
9 吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;基于小波变换的高光谱图像消噪[A];成像光谱技术与应用研讨会论文集[C];2002年
10 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
中国博士学位论文全文数据库 前10条
1 梅锋;基于核机器学习的高光谱异常目标检测算法研究[D];哈尔滨工程大学;2009年
2 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
3 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年
4 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
5 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
6 王晓飞;高光谱图像分辨率增强及在小目标检测中的应用研究[D];哈尔滨工业大学;2011年
7 成宝芝;基于光谱特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2012年
8 赵芸;基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D];浙江大学;2013年
9 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
10 何同弟;高光谱图像的分类技术研究[D];重庆大学;2014年
中国硕士学位论文全文数据库 前10条
1 邵涛;基于光谱信息的高光谱图像目标识别方法的研究[D];哈尔滨工业大学;2010年
2 胡倩;基于知识的高光谱图像波谱匹配技术研究与应用[D];中国地质大学(北京);2010年
3 唐雪飞;基于案例推理的高光谱图像分类研究[D];哈尔滨工业大学;2010年
4 包海燕;高光谱溢油图像分类算法研究[D];大连海事大学;2011年
5 李江;基于图像融合的高光谱图像分类[D];华中科技大学;2012年
6 孙旭光;基于高光谱图像目标探测与分类技术研究[D];中国科学院研究生院(光电技术研究所);2013年
7 陈克清;迷彩伪装服的高光谱特性研究[D];东华大学;2014年
8 周伟;基于像面干涉的高光谱显微成像技术研究[D];南京理工大学;2014年
9 殷晓平;基于高光谱图像的黄瓜叶片叶绿素含量及其分布预测研究[D];江苏大学;2010年
10 吴超;高光谱图像处理若干关键技术研究[D];南京航空航天大学;2012年
中国重要报纸全文数据库 前4条
1 张红菊;农田:安装“听诊器”[N];科技日报;2004年
2 张向冰 李青滨;我国海洋遥感发展突飞猛进[N];中国海洋报;2003年
3 张彦;“数字省市”颠覆城市区域经济[N];经理日报;2004年
4 本报记者 瞿剑;地下煤火:“静悄悄”的灾害怎样应对?[N];科技日报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978