基于稀疏约束的高光谱解混技术研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 分类号： 密级： U D C ： 编号： 工学硕士学位论文 基于稀疏约束的高光谱解混技术研究 硕士研究生 ：谭健 指 导 教 师 ：王立国 教授 学 位 级 别 ：工学硕士 学科、专业 ：信号与信息处理 所 在 单 位 ：信息与通信工程学院 论文提交日期 ：2014 年 01 月 论文答辩日期 ：2014 年 03 月 学位授予单位 ：哈尔滨工程大学 万方数据 万方数据 Classified Index: U.D.C: A Dissertation for the Degree of M. Eng Hyperspectral Unmixing Based on Sparse Constraint Candidate: Tan Jian Supervisor: Prof. Wang Liguo Academic Degree Applied for: Master of Engineering Specialty: Signal and Information Processing Date of Submission: January, 2014 Date of Oral Examination: March, 2014 University: Harbin Engineering University 万方数据 万方数据 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。 有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注 明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 作者(签字)： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作 的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送 交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进 行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的 全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一 署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文(□在授予学位后即可 □在授予学位 12 个月后 □解密后)由哈尔滨工程大学 送交有关部门进行保存、汇编等。 作者(签字)： 导师(签字)： 日期： 年 月 日 年 月 日 基于稀 基于稀疏约束的高光谱解混技术研究 万方数据 万方数据 摘 要 随着遥感技术和成像光谱仪的发展，高光谱遥感图像在越来越多的领域中得到应 用。然而，由于其较低的空间率以及地物分布的复杂性，一个像元往往是由好几种地物 构成的，这严重阻碍高光谱图像的实际应用。因而，对高光谱图像进行混合像元分解就 特别有意义了。目前在该研究领域，国内外的新方法新思路层出不穷。基于稀疏约束的 高光谱解混问题已经成为当今遥感领域的一个热点，它是一个稀疏回归问题，目标是在 一个较大的光谱库中寻找能够表征像元的最优光谱子集。但是仍存在着没有利用图像的 空间信息等缺点，本论文在总结前人研究成果的基础上，针对基于稀疏约束的高光谱图 像混合像元分解作了大量研究，主要的研究内容如下： 首先，阐述了高光谱线性和非线性混合模型，介绍了线性解混的基本步骤，对于端 元数目估计算法、端元提取算法和丰度反演算法进行了逐一地介绍。 然后，详细阐述了基于稀疏约束的高光谱解混模型。它假设混合像元可以被表示成 一个已知的光谱库中各光谱曲线的线性组合。这样，解混就相当于在光谱库中寻找能够 表征这个像元的最佳的光谱库子集。稀疏解混问题本质上是 L0 范数的优化问题。通常 情况下，将 L0 范数最小化问题转化为 L1 范数最小化问题来解。本文采用变量分裂和增 广拉格朗日算法来进行稀疏解混，它是一种非常快速的方法，并对其正则化参数和罚参 数的取值进行了研究，以便取得一个相对较优的参数。通过模拟实验分析了光谱库的互 相关函数值 MC 对于解混结果的影响，得到了一般性的结论：光谱库矩阵的互相关函数 值 MC 越小，稀疏解混的效果越好。 最后，深入研究了加权的 L1 正则化稀疏解混模型，其相对于 L1 范数，更加地接近 L0 范数。针对其仅仅考虑数学意义上的最优化，并没有利用地物的实际分布这一问题， 提出了基于修正权值的加权 L1 正则化稀疏解混算法，在权值的迭代更新过程中引入了 空间信息。实验结果了证明改进的加权 L1 正则化稀疏解混算法在较低信噪比的高光谱 图像中能够有效地提升解混精度。