高光谱遥感影像混合像元分解算法研究

【摘要】：高光谱图像是一种高维数据集,它包含了丰富的光谱波段信息和空间位置信息。我们可以利用这些丰富的光谱信息对地物进行检测和识别。但是由于遥感器的分辨率有限,所以在高光谱影像中广泛存在混合像元,这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。研究高光谱混合像元问题具有十分重要的意义,它能够突破分辨率的限制,在亚像元精度上获取混合像元的真实属性信息,论文研究了几种常用的混合像元分解算法,包括PPI、N-FINDR、VCA、SGA、NMF和ICA。这几种解混算法都是基于线性光谱混合模型。传统的独立成分分析是基于各成分相互独立的假设,在应用到高光谱图像解混时,这一假设并不成立。为了解决该问题,将丰度非负约束和丰度和为一约束引入到目标函数中,得出一种有约束的独立成分分析方法。同时,针对目标函数中具有大量的局部极小,受初始值的影响很大,易陷入局部极值的问题,引入粒子群优化算法进行高光谱图像的盲解混。通过仿真实验验证算法的性能,并得出了端元个数,像素个数,端元纯度等对解混效果的影响。性能评价指标采用光谱角距离和均方根误差,用以评价解混效果。模拟数据和真实数据的实验结果表明,所提出的算法,精度高,抗噪声干扰能力强,并同样适用于没有纯像元的高光谱图像解混。
【关键词】：高光谱遥感 独立成分分析 混合像元 端元提取 粒子群优化
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751