欢迎来到天天文库
浏览记录
ID:35103405
大小:5.02 MB
页数:107页
时间:2019-03-17
《高光谱图像解混算法研究》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、硕士学位论文高光谱图像解混算法研究ResearchonUnmixingAlgorithmsforHyperspectralImage王天成哈尔滨工业大学2016年6月国内图书分类号:TP391.4学校代码:10213国际图书分类号:004.8密级:公开工学硕士学位论文高光谱图像解混算法研究硕士研究生:王天成导师:张淼副教授申请学位:工学硕士学科、专业:控制科学与工程所在单位:控制科学与工程系答辩日期:2016年6月授予学位单位:哈尔滨工业大学ClassifiedIndex:TP391.4U.D.C.:004.8Diss
2、ertationfortheMaster’sDegreeinEngineeringResearchonUnmixingAlgorithmsforHyperspectralImagesCandidate:WangTianchengSupervisor:A.P.ZhangMiaoAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlScienceandEngineeringAffiliation:DepartmentofControlScienceandE
3、ngineeringDateofDefence:June,2016Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要由于高光谱图像的空间分辨率较低,图像中存在大量的混合像元,因此研究亚像元级的混合像元分解技术,分离出像元中的端元及其丰度能够更好地帮助我们进行物质的分类与探测,研究者们也由此开始了高光谱图像的解混算法研究。本文所研究的高光谱解混算法基于线性混合模型,在针对性地研究并分析了解混算法的数学基础之后,提出了三类改进
4、的解混算法。在凸面几何学类的解混算法中,放宽了模型的非负约束与纯像元假设,加入了负数惩罚正则项,提出了鲁棒最小外包单纯形算法(RMVES),求解此算法时采用循环最小化思想,将非凸优化问题分解为两个凸优化子问题,在ADMM框架下进行了求解。同时,还给出了一种自适应调整正则化的算子的方法,实验验证了该算法的有效性。研究了基于非负矩阵分解类解混算法,为改善此类算法陷入局部最小解的情况,引入了基于物质相关性的约束,同时进一步引入l图确定性地刻画出物质的1相关性关系,提出了一种基于l图的物质相关性非负矩阵分解解混算法1(lSDS
5、NMF),实验结果验证了该算法能够得到更好的解混效果,此外,还对求1解方法的收敛性进行了证明。稀疏回归理论同样能够被应用于解混问题,为改善字典相干性带来的解混困难,同时为了更深入地挖掘图像的空间信息,引入了超图来描述像元之间的关系,构造了描述图像空间结构的超图正则项,将其加入稀疏回归模型中,提出了一种基于超图正则项的稀疏解混算法(HGSU)。在证明了模型目标函数为凸函数后,本文给出了ADMM框架下求解此模型的具体细节,从而得到相比其他稀疏回归算法具有更高精度的解混算法。关键词:高光谱解混;凸面几何学;非负矩阵分解;稀疏
6、回归;超图-I-哈尔滨工业大学工学硕士学位论文AbstractBecauseofthelowspatialresolution,therewillbealotofmixedpixels.Toimprovetheresultsofclassificationandtargetdetection,itisnecessarytostudyasub-pixelhyperspectralimageprocessingtechnologycalledhyperspectralunmixingalgorithmstoseparate
7、endmembersandestimaterelativeaboudancesofallthepixels.Researchersaroundtheworldhavemadegreateffortsinstudyingsuchkindofalgorithms.Algorithmsstudiedinthispaperarebasedonthewell-knownlinearmixedmodel.Aftersummarizedthemathematicalbasisofthelinearlyunmixingproblems
8、electively,theauthorhaveproposedthreedifferentunmixingalgorithms.Byreplaceingthenon-negativityconstraintwithanegativepenaltytermandrelaxingthepurepixelassumptionincon
此文档下载收益归作者所有