高光譜影像混合像元分解及亞象元定位.pdf

1、隨著高分辨率遙感衛(wèi)星的發(fā)射,海量遙感影像獲得,但是實時分析處理能力欠缺,其中最欠缺的是各種有效的算法。對于高光譜遙感影像,急需要解決的一個問題便是混合像元分解,其直接制約了影像的實際應用。但僅僅解決混合像元問題是不夠的,其只能獲得端元豐度圖,不能確定亞象元的空間位置分布,因此還需要解決亞象元定位問題。至此,高光譜影像才能真正得到普遍應用。
　　本文闡述了高光譜遙感的基本概念;研究了高光譜圖像的特點;總結了現有的混合像元分解技術,并

2、著重分析研究了幾種常見的端元提取算法;同時也總結了現有的亞象元定位技術,并用程序實現了一種亞象元定位算法。最后,通過總結研究現有的高光譜混合像元分解技術,提出了基于頂點成分分析的端元優(yōu)化算法。
　　頂點成分分析算法(VCA)的本質是一種純數學方法,具有良好的理論基礎,取得了良好效果。但是VCA算法具有三方面缺陷:沒有考慮圖像空間信息,對于噪聲較大的高光譜圖像其有效性可能會降低;算法需要預先確定端元數目,但是預先確定正確的端元數目很

3、困難;VCA算法多次運行結果不穩(wěn)定。針對以上問題,本文提出改進VCA的算法(Improve-VCA),其指定候選端元數,用候選端元區(qū)間的迭代計算、結合圖像空間信息以及病態(tài)矩陣規(guī)避的優(yōu)化機制,實現了VCA算法的改進。
　　為定量評價算法,充分印證本文算法思想的正確性與有效性,模擬生成了高光譜數據,對常用的端元提取算法(N-FINDR、SGA、VCA、ACEEHIIU)及本文算法(Improve-VCA)進行同條件對比實驗與檢驗,并進

4、行嚴格的定量分析和說明。定量研究指標采用平均光譜角mSAD、平均光譜信息散度mSID、組分平均夾角mAAD以及豐度反演得到的組分總體均方根誤差mARMSE進行綜合評價和分析。通過對比分析可知,本文算法能夠自動確定端元數目,準確提取端元,在很多方面可以和常用的端元提取算法相媲美,甚至在某些方面更優(yōu)于常用的端元提取算法。
　　最后,本文用代碼實現了一種基于正則MAP模型的高光譜影像亞象元定位算法,對亞象元定位進行了初探,為以后的研究奠