收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于进化多目标优化的高光谱稀疏混合像元分解技术研究

罗恩湖  
【摘要】:随着高光谱遥感技术飞速发展,高光谱遥感影像数据已经被广泛应用到环境污染监测、矿产勘探等方面。传感器技术的发展瓶颈以及地表地物分布复杂多样,导致在高光谱遥感数据中普遍存在混合像元。混合像元分解精度直接影响着高光谱遥感影像数据的后续应用,因此,混合像元分解技术已经成为高光谱遥感技术中一个亟待解决的问题。随着混合像元分解技术的重要性日益突出,越来越多的研究学者加入到了混合像元分解技术这个领域的研究中,这又进一步促进了混合像元分解技术的发展。其中,基于稀疏约束的混合像元分解技术已经成为混合像元分解技术的潮流,其旨在从已知光谱库中寻找能够表示观测像元光谱向量的最佳线性组合。传统的基于稀疏约束的混合像元分解算法,使用凸的L1范数替代非凸的L0范数,然后通过引入权重系数将两个或者多个代价函数整合成一个目标函数进行优化。但是L1范数不一定在所有情况下都等价于L0范数。此外,传统的基于稀疏约束的混合像元分解算法引入的权重系数都比较敏感,而且对于不同的数据集难以确定一个最佳的参数。因此,为了解决传统的基于稀疏约束的混合像元分解算法中出现的一些问题,在前面学者研究的基础上,本文做了一些关于稀疏约束混合像元分解问题的研究,主要研究内容如下:首先,对当前一些高光谱混合像元分解技术做了介绍。根据混合尺度的情况,混合像元分解模型主要分为线性模型和非线性模型。线性模型是当前使用最为广泛的模型,本文的研究也是基于线性模型进行的。当前的线性模型算法主要分为四大类:基于信号子空间的、基于空间几何的、基于统计的和基于稀疏约束的算法。其次,针对当前基于稀疏约束的混合像元分解算法中存在的一些问题,本文将该算法建立成一个进化多目标优化模型。为了解决进化多目标模型中遇到的大规模优化问题,本文提出了协同进化多目标算法MOSU。由于高光谱遥感图像中每个像元的丰度向量是稀疏的,因此我们提出了基于稀疏性的分组策略,以便对目标函数进行更为高效的优化。此外,本文还提出了基于拐点的协作机制,避免了复杂的计算,更加适用于混合像元分解问题。通过仿真实验对比,证明了本文提出的多目标稀疏约束混合像元分解算法的有效性。最后,为了有效利用图像的空间上下文信息,本文在MOSU的基础上增加了一个有关空间邻域信息的目标函数。这将高光谱影像数据的光谱信息和空间上下文信息结合起来,充分利用每个像元与其周围邻域像元之间的关系。仿真实验证明,引入空间上下文信息提高了算法对噪声的鲁棒性。


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 韩威宏;基于混合像元分解的遥感产品真实性检验研究[D];电子科技大学;2014年
3 辛蕾;绿潮卫星遥感监测方法精细化研究[D];中国海洋大学;2014年
4 吴明艳;部分植被覆盖下的土壤盐分高光谱遥感反演[D];东南大学;2015年
5 郭阳;联合近似稀疏和全变差正则化的高光谱影像混合像元分解[D];江西科技师范大学;2015年
6 李耀辉;风云气象数据在农情定量监测中的应用研究[D];郑州大学;2016年
7 孔美美;基于混合像元分解的水体提取及变化监测研究[D];华侨大学;2016年
8 崔媛;高光谱图像混合像元分解技术研究[D];沈阳航空航天大学;2016年
9 罗恩湖;基于进化多目标优化的高光谱稀疏混合像元分解技术研究[D];西安电子科技大学;2015年
10 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
 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