收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于同质区分析的高光谱影像混合像元分解

孔祥兵  
【摘要】:高光谱影像通常具有几百个波段,含有丰富的光谱、空间和辐射信息。然而由于地物分布的复杂性和传感器空间分辨率的有限性,混合像元普遍存在于高光谱影像中,是高光谱影像定量分析和应用的最大障碍。因此,如何有效的解译混合像元,从亚像元级别上获取地物信息,是高光谱影像解译和应用的关键问题之一。 将混合像元分解为所含有的地物光谱(端元光谱)和相应地物的存在比例(端元丰度)的过程称为高光谱影像混合像元分解。近十多年来,针对高光谱影像混合像元分解问题,相关研究学者已经进行了大量的科学研究,提出了一些非常有价值的方法和技术方案。可分为两大类型,即分布分解和同步分解。分布分解多是指传统的混合像元分解类型,先通过影像光谱特征空间分析,获取影像端元光谱,然后基于端元光谱和选取的光谱混合模型进行端元丰度反演。同步分解是近些年来新兴的一种研究思路,是指直接基于高光谱影像、利用盲信号分离技术分解为端元光谱和端元丰度。然而,所见的混合像元分解方法多是将高光谱影像视为离散而无任何关系的一个个高维像元光谱集,即只利用了影像的光谱信息,忽略了像元间的空间相关性。本文认为混合像元分解问题应该结合影像空间信息进行研究,在分解过程中充分挖掘并利用局部影像空间信息和邻域像元光谱信息的特性,并在此基础上提出了基于影像同质区分析的高光谱影像混合像元分解技术框架。 首先,为了在混合像元分解过程中的各个阶段能有效的分析光谱之间的相似性,研究了光谱信息特征的刻画方式和数学意义,提出了一种融合光谱辐射信息、光谱曲线形状信息和光谱数据信息含量的新型光谱相似性测度,即光谱泛相似性测度(SPM),实验表明,SPM在分析光谱之间相似性时具有更好的光谱判别力和较低的光谱判别不确定性。 然后,为了获取具有明确空间和光谱特征影像区域,基于SPM提出像元同质指数(HI)数学模型以定量分析像元与其影像空间邻域像元间的光谱相似性情况,并将影像分为影像同质区和影像过渡区。影像同质区像元之间光谱相似,出现纯净像元的概率大;影像过渡区像元与邻域像元之间光谱差异大,含有大量的混合光谱。影像同质区的空间和光谱信息将用于提取影像端元光谱和构建混合像元分解中相关的约束条件。 随后,在影像同质区的基础上,提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法(HREE)。HREE方法利用了高光谱影像在光谱特征空间分布的三点特征,即(1)端元光谱位于凸面单形体端点;(2)影像每个像元都是端元光谱的凸组合;(3)影像同质区中每个像元也是端元光谱的凸组合。在影像同质区特征投影空间中进行OSP分析获取初始端元光谱,经过影像同质区空间信息优化和端元光谱信息优化,获得最终端元光谱。实验表明,HREE方法提取的端元光谱更为精确,受噪声和光谱混合情况影响较小。 接下来,在影像同质区基础上,通过分析影像空间和光谱特征,提出了影像端元丰度稀疏性和端元丰度平滑性两个命题,并进行了讨论。然后提出了一种含有端元丰度平滑性约束的非负矩阵分解方法(CNMF),给出了目标函数和相关迭代规则,并证明了其数学收敛性。结合仿真影像和真实影像实验表明,基于CNMF的影像非监督解混结果更符合高光谱影像混合像元分解问题的相关物理意义要求。 最后,研究了已知影像端元光谱情况下的像元端元丰度反演问题。提出了种在影像同质区基础上的像元最优端元子集获取方法,给出了一种顾及邻域信息的端元丰度反演技术框架,即影像同质区最优端元子集通过端元光谱迭代分析获得,影像过渡区最优端元子集通过与邻域同质区的连接分析获得,每个像元的最优端元子集和其所在的影像区域保持一致。实验表明,该方法提高了影像端元丰度反演的精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张彦,邵美珍;基于径向基函数神经网络的混合像元分解[J];遥感学报;2002年04期
2 唐世浩,朱启疆,李小文,王锦地,阎广建;高光谱与多角度数据联合进行混合像元分解研究[J];遥感学报;2003年03期
3 惠巍巍;衣德萍;廖彩霞;曲林;;混合像元分解研究综述[J];林业科技情报;2007年01期
4 刘俊;姚国清;;混合像元分解方法的研究[J];电脑知识与技术;2009年13期
5 赵小锋;邱全毅;;4种混合像元分解方法在沿海丘陵城市地表组分分析中的比较研究[J];遥感技术与应用;2009年06期
6 詹锡兰;吴波;;一种基于高斯马尔可夫随机场模型的混合像元分解方法[J];福州大学学报(自然科学版);2011年01期
7 吕长春,王忠武,钱少猛;混合像元分解模型综述[J];遥感信息;2003年03期
8 崔雨勇;曾致远;付必涛;毛典辉;;基于边界提取的混合像元分解[J];人民长江;2008年08期
9 范渭亮;杜华强;周国模;徐小军;崔瑞蕊;董德进;;模拟真实场景的混合像元分解[J];遥感学报;2010年06期
10 吴波;周小成;高海燕;;面向混合像元分解的光谱维小波特征提取[J];华侨大学学报(自然科学版);2008年01期
11 张子石;潘聪;陈红顺;;基于有监督模糊C-均值算法的混合像元分解[J];遥感技术与应用;2009年06期
12 刘力帆;王斌;张立明;;基于自组织映射和模糊隶属度的混合像元分解[J];计算机辅助设计与图形学学报;2008年10期
13 杨伟;陈晋;松下文经;沈妙根;陈学泓;;基于混合像元分解的遥感图像融合实用算法[J];中国科学:信息科学;2010年05期
14 于钺;顾华;孙卫东;;基于混合像元分解的薄云下光学遥感图像恢复方法[J];中国图象图形学报;2010年11期
15 李熙;关泽群;沈体雁;;基于贝叶斯网络的混合像元分解模型[J];光电子.激光;2008年08期
16 李慧;王云鹏;李岩;王兴芳;;基于形态学和支持向量的遥感图像混合像元分解[J];遥感技术与应用;2009年01期
17 胡健波;陈玮;李小玉;何兴元;;基于线性混合像元分解的沈阳市三环内城市植被盖度变化[J];应用生态学报;2009年05期
18 陈峰;邱全毅;熊永柱;黄少鹏;;基于线性光谱模型的混合像元分解方法与比较[J];遥感信息;2010年04期
19 刘雪松;王斌;张立明;;基于非负矩阵分解的高光谱遥感图像混合像元分解[J];红外与毫米波学报;2011年01期
20 金鑫;柯长青;;基于混合像元分解的天山典型地区冰雪变化监测[J];国土资源遥感;2012年04期
中国重要会议论文全文数据库 前8条
1 王强;黄楠;;混合像元分解研究综述[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年
2 胡霞;雷星松;;基于时序的遥感影像混合像元分解模型的研究[A];第十七届中国遥感大会摘要集[C];2010年
3 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年
5 魏一苇;黄世奇;;高光谱混合像元分解技术研究综述[A];国家安全地球物理丛书(九)——防灾减灾与国家安全[C];2013年
6 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
7 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
8 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];第十七届中国遥感大会摘要集[C];2010年
中国博士学位论文全文数据库 前4条
1 孔祥兵;基于同质区分析的高光谱影像混合像元分解[D];武汉大学;2012年
2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年
3 李华丽;高光谱遥感影像自动混合像元分解研究[D];武汉大学;2012年
4 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年
中国硕士学位论文全文数据库 前10条
1 徐双双;基于混合像元分解的高光谱图像去雾方法的研究[D];南京理工大学;2015年
2 李君;线性与非线性混合像元分解模型的比较研究[D];东北林业大学;2008年
3 宋慧;基于混合像元分解的土地利用分类[D];济南大学;2013年
4 黄竞铖;基于因子分析的混合像元分解方法研究[D];吉林大学;2012年
5 刘学;棉花遥感识别的混合像元分解研究[D];石河子大学;2008年
6 钟晓姣;高光谱数据混合像元分解与光谱匹配验证算法[D];南京理工大学;2013年
7 郑丽;混合像元分解及其应用研究[D];重庆交通大学;2010年
8 吴昌原;高光谱图像混合像元分解方法研究[D];华东师范大学;2014年
9 陶雪涛;线性模型下多通道遥感图像混合像元分解方法研究[D];复旦大学;2008年
10 陈子玄;混合像元分解技术及其在阜新市土地覆盖分类中的应用研究[D];辽宁工程技术大学;2008年
 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