收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高光谱遥感图像混合像元分解的理论与算法研究

李二森  
【摘要】:高光谱遥感技术处于当前遥感技术发展的前沿,高光谱图像光谱分辨率高、图谱合一的特点使其在民用和军事领域发挥着越来越大的作用。然而,混合像元的广泛存在已经成为阻碍高光谱遥感技术向定量化方向深入发展的主要障碍。混合像元分解是解决混合像元问题最为有效的方法,它能够突破高光谱图像空间分辨率的限制,在亚像元精度上获取混合像元的真实属性信息,提高高光谱图像分类的精度。由于线性光谱混合模型具有模型简单、物理意义明确等优点,本文基于线性光谱混合模型对混合像元分解相关的若干理论与算法进行了深入研究,论文的主要研究内容及创新点可以概括为: 1.总结并分析了遥感影像混合像元分解相关的理论基础,主要包括混合像元分解模型、光谱数据降维方法、端元数目确定方法、端元提取算法、丰度估计算法和混合像元分解的精度评定方法。对常用的4种端元识别算法(N FINDR、VCA、SGA和OSP)和2种端元生成算法(ICE和MVC NMF)进行了综合的实验比较,同时总结了端元识别算法和端元生成算法各自的优缺点。 2.提出了一种基于原始光谱空间单体体积计算方法的最大体积单体端元提取算法,该算法基于线性光谱混合模型与凸面单体理论之间的关系及N FINDR和SGA端元提取算法的原理,将不需要数据降维的凸面单体体积计算方法引入到N FINDR和SGA中,避免了数据降维带来的信息损失。实验结果表明,基于N FINDR算法原理的最大体积单体端元提取算法的效率优于N FINDR算法,端元提取结果的精度与N FINDR算法相当,基于SGA算法原理的最大体积单体端元提取算法的精度优于N FINDR、SGA和VCA算法。 3.在分析漏选、多选端元对混合像元分解误差影响的基础上,基于端元可变理论提出了最优端元子集选择算法,该算法依据初始端元集进行丰度估计的结果对端元进行排序,然后按照端元排序的结果进行非限制性丰度估计,最后利用丰度估计的结果确定最优端元子集,提高混合像元分解的精度,实验结果验证了最优端元子集选择算法的正确性和有效性。 4.根据线性光谱混合模型与非负矩阵分解之间的相似性,提出了基于约束条件下非负矩阵分解的混合像元分解算法。为了解决非负矩阵分解直接应用于混合像元分解时不满足丰度和为一约束且结果不具有唯一性的问题,将丰度和为一、端元距离平方和约束引入到非负矩阵分解中,提出了端元距离平方和约束的非负矩阵分解光谱解混算法。在此基础上,考虑到端元可变理论与丰度矩阵为稀疏矩阵的对应关系,将平滑L0范数约束引入到端元距离平方和约束的非负矩阵分解光谱解混算法中,进一步提高了混合像元分解的精度。模拟数据和真实高光谱图像的实验结果表明,基于约束条件下非负矩阵分解的混合像元分解算法与MVC NMF和最大体积单体端元提取算法相比,混合像元分解的精度更高。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期
2 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期
3 李君;范文义;李明泽;;线性混合光谱模型在多光谱遥感影像分类中的应用[J];东北林业大学学报;2008年08期
4 赵锐;;混合像元线性分解的精度估算[J];测绘与空间地理信息;2010年06期
5 马俊海;刘丹丹;;像元二分模型在土地利用现状更新调查中反演植被盖度的研究[J];测绘通报;2006年04期
6 徐宏根;马洪超;李德仁;;结合SOM神经网络和混合像元分解的高光谱影像分类方法研究[J];遥感学报;2007年06期
7 阎国倩;赵云升;宁艳玲;赵乃卓;仲桂新;;混合像元光谱特征影响因子分析[J];光谱学与光谱分析;2009年12期
8 周昊,王斌,张立明;一种新的遥感图像混合像元分解方法[J];红外与毫米波学报;2005年06期
9 裴欢;刘志辉;房世峰;姜红;;基于遥感与地埋信息系统的额敏河流域积雪变化分析[J];遥感信息;2006年03期
10 胡争光;王祎婷;池天河;刘素红;毕建涛;;基于混合像元分解和双边界提取的湖泊面积变化监测[J];遥感信息;2007年03期
11 吴波;汪小钦;张良培;;端元光谱自动提取的总体最小二乘迭代分解[J];武汉大学学报(信息科学版);2008年05期
12 黎贵发;;基于改进BP神经网络的遥感影像混合像元分解[J];地理空间信息;2009年03期
13 朱长富;吴波;吴逸人;高海燕;;一种基于多源遥感影像的亚端元光谱提取方法[J];测绘科学;2009年04期
14 胡姝婧;胡德勇;赵文吉;;基于LSMM和改进的FCM提取城市植被覆盖度——以北京市海淀区为例[J];生态学报;2010年04期
15 郑文武;曾永年;田亚平;;基于混合像元分解模型的TM6/ETM+热红外波段地表比辐射率估算[J];地理与地理信息科学;2010年03期
16 王立辉;黄进良;孙俊英;;基于线性光谱混合模型的油菜种植面积遥感监测方法研究[J];遥感信息;2010年03期
17 王军战;屈建军;张伟民;;基于混合像元分解的毛乌素沙地红碱淖面积提取及变化监测[J];中国沙漠;2011年03期
18 吴波;周小成;赵银娣;;端元光谱变化与混合像元分解精度的关系研究[J];遥感信息;2007年03期
19 梁娜;何明一;;基于遗传算法的混合像元快速分解及分类算法[J];遥感技术与应用;2007年04期
20 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
中国重要会议论文全文数据库 前10条
1 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
2 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
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 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
5 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
6 武永利;王云峰;张建新;栾青;;混合像元分解技术应用于冬小麦种植面积研究[A];中国气象学会2007年年会气象综合探测技术分会场论文集[C];2007年
7 蔡大鑫;张京红;田光辉;刘少军;谢瑞红;;利用遥感技术进行热带海岸带荒漠化遥感监测[A];粮食安全与现代农业气象业务发展——2008年全国农业气象学术年会论文集[C];2008年
8 卢珊;大政谦次;;用高光谱匹配滤波识别渡良濑湿地的高草植被[A];地理学与生态文明建设——中国地理学会2008年学术年会论文摘要集[C];2008年
9 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
10 施建成;;季节性积雪遥感监测的研究进展[A];第28届中国气象学会年会——S6冰冻圈与极地气象学[C];2011年
中国博士学位论文全文数据库 前10条
1 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
2 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
3 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年
4 王东;基于粒子群智能的遥感找矿方法研究[D];中南大学;2008年
5 李晓松;干旱地区稀疏植被覆盖度高光谱遥感定量反演研究[D];中国林业科学研究院;2008年
6 贾森;非监督的高光谱图像解混技术研究[D];浙江大学;2007年
7 王来刚;基于多源遥感信息融合的小麦生长监测研究[D];南京农业大学;2012年
8 戴晓燕;基于遥感数据挖掘定量反演城市化区域地表温度研究[D];华东师范大学;2008年
9 董芳;基于多源数据的丘陵区苹果园地信息遥感提取技术研究[D];山东农业大学;2012年
10 罗耀华;高性能计算在高光谱遥感数据处理中的应用研究[D];成都理工大学;2013年
中国硕士学位论文全文数据库 前10条
1 王飞红;基于决策树和混合像元分解的城市绿地信息的提取[D];中北大学;2014年
2 宋慧;基于混合像元分解的土地利用分类[D];济南大学;2013年
3 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
4 郑丽;混合像元分解及其应用研究[D];重庆交通大学;2010年
5 李晓锦;基于混合像元分解的植被覆盖度估算及动态变化分析[D];西北大学;2011年
6 黄子杰;基于混合像元分解的三峡库区植被覆盖度及C因子定量估算研究[D];华中农业大学;2011年
7 刘雪松;基于非负矩阵分解的高光谱遥感图像混合像元分解研究[D];复旦大学;2011年
8 马孟莉;基于HJ卫星混合像元分解的水稻生长监测技术研究[D];南京农业大学;2011年
9 薛春燕;基于Logit模型的混合像元分解绿地覆盖提取[D];南京林业大学;2011年
10 张洋洋;基于HJ1-A影像的高光谱混合像元分解技术及应用的研究[D];山东师范大学;2011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