基于稀疏表示的高光谱图像解混研究

基于稀疏表示的高光谱图像解混研究

ID:34662921

大小:2.55 MB

页数:104页

时间:2019-03-08

基于稀疏表示的高光谱图像解混研究_第1页
基于稀疏表示的高光谱图像解混研究_第2页
基于稀疏表示的高光谱图像解混研究_第3页
基于稀疏表示的高光谱图像解混研究_第4页
基于稀疏表示的高光谱图像解混研究_第5页
资源描述:

《基于稀疏表示的高光谱图像解混研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于稀疏表示的高光谱图像解混研究作者姓名吴健康导师姓名、职称张向荣教授一级学科电子科学与技术二级学科电路与系统申请学位类别工学硕士提交学位论文日期2014年12月学校代码10701学号1202120874分类TN82号TP75密级公开西安电子科技大学硕士学位论文基于稀疏表示的高光谱图像解混研究作者姓名:吴健康一级学科:电子科学与技术二级学科:电路与系统学位类别:工学硕士指导教师姓名、职称:张向荣教授提交日期:2014年12月AStudyofSparseRepresentationforHyperspectralUnmixingAth

2、esissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByWuJiankangSupervisor:Prof.ZhangXiangrongDecember2014西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢

3、中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处,本人承担一切法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以公布论文的全部或部分内容,允许采用影

4、印、缩印或其它复制手段保存论文。同时本人保证,获得学位后结合学位论文研究成果撰写的文章,署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要随着计算机技术、数字信号处理技术及图像处理技术的发展,高光谱遥感图像处理技术由于实际应用的需求已经得到人们广泛的研究。光谱成像仪在瞬时视场角内通过捕捉地面物质反射的电子光谱能量能够得到几百甚至上千波段光谱分辨率高的高光谱图像,而高光谱图像中光谱分辨率高这个特点有助于通过谱信息识别地物种类。但是在实际情况中,由于光谱成像仪空间分辨率低及地面地形

5、变化等复杂情况,使得高光谱图像中混合像元的存在,即一个像元中包含多种物质,这对高光谱图像的解译形成一个障碍,有效的解决办法就是通过高光谱图像解混技术实现端元提取和对应端元的丰度估计。本文基于线性光谱混合模型,综合考虑高光谱数据的空间结构信息和光谱库中光谱特征高相关性的影响,主要研究了组稀疏解混算法,进一步提高端元提取的准确度和丰度估计的精度。本文的主要成果如下:1.提出了基于空谱信息丰度约束的组稀疏解混算法。该方法考虑了高光谱数据的空间块结构信息,利用均值漂移算法对高光谱数据进行自适应分组并对每组数据进行组稀疏解混,在组稀疏解混的基

6、础上通过丰度约束的光谱库修剪策略来进一步降低光谱库谱特征高相关性的影响。在考虑高光谱图像空谱信息和光谱库数据特性的情况下,建立新的组稀疏解混框架,达到了提高解混效果的目的。2.提出了基于分层行稀疏的高光谱图像解混方法。该方法考虑了高光谱数据的空间块信息和光谱库的数据组结构信息,稀疏解混中得到的估计丰度矩阵具有层稀疏、行稀疏和行内稀疏的特性,根据丰度矩阵所具有的多重稀疏性质,建立了一个新的稀疏解混模型,利用双组稀疏解混算法来解决光谱解混问题。此方法通过新的稀疏解混模型将高光谱数据和光谱库数据的结构信息结合起来有效的解决了光谱解混问题,

7、提高了稀疏解混的精度。3.提出了一种基于图正则的非负组稀疏编码,并将其用于端元提取。该方法的主要目标是剔除高光谱图像中混合度较高的像元,保留混合度较低的像元作为端元提取的候选集,纯像元一般存在于像元混合度较低的空间均匀区域。基于该目的设计了预处理的目标函数并给出了图正则的组稀疏编码算法,利用得到的系数矩阵作为参考信息,获得端元候选集,最后利用传统的端元提取算法从端元候选集中提取端元。在模拟数据和真实数据上的实验结果证明了该方法的有效性和实用性。本文的工作得到了国家自然科学基金(61272282),教育部新世纪优秀人才支持计划(NCE

8、T-13-0948)等项目的资助。I西安电子科技大学硕士学位论文关键词:高光谱图像,组稀疏解混,光谱库修剪,端元提取论文类型:应用基础研究类IIABSTRACTABSTRACTWiththedevelopmentofcomputert

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。