计算机高端科技论文,高光谱图像解混技术研究-计算机科学与技术专业论文.docx...

高光谱图像解混技术研究-计算机科学与技术专业论文

哈尔滨工程大学

硕士学位论文

高光谱图像解混技术研究

姓名：张晶

申请学位级别：硕士

专业：信号与信息处理

指导教师：王立国

201103

高光谱图像解混技术研究摘

高光谱图像解混技术研究

摘要

随着数字信号处理技术、计算机技术以及通信技术的迅猛发展，高光谱遥感图像处 理技术在军事、民用等领域发挥着越来越重要的作用。高光谱图像的分辨率一般较低， 从而导致混合像素的广泛存在。而处理混合像素相对于处理纯像素更加困难且更具重要 意义。作为混合像素处理主要技术的光谱解混，就是要去求解混合像素内各混合成分所 占的比例，是一种更为精确的分类技术。对于混合像素，当全部混合类别已知时，人们 所关心的主要信息为：混合像素内各成分所占的比例是多少。光谱解混技术正是为解决 上述问题而发展起来的。

第一，传统基于线性光谱混合模型(LSMM)的解混方法采用固定谱形固定数量的光 谱端元进行解混，影响了光谱解混精度，为此提出端元谱形的区域修正方法和端元子集

的局域确定方法，从而建立基于柔性端元的新解混方式，实验表明了所提出的柔性光谱 端元方法较之传统方法提高了解混精度。

第二，传统基于线性光谱混合模型(LsMM)的解混方法采用迭代求解方式，复杂度 较高。为此提出一种基于几何方式的模型求解方法来取代其传统方式。实验表明了所提 出几何求解方法较之传统方法提高了解混效率。同时提出一种免于降维预处理的基于 SVM的光谱解混的新实现方法，且采用低复杂度的距离尺度代替复杂的体积尺度。实 验结果表明，基于SVM的光谱解混方法复杂度大大降低。

第三，传统线性光谱混合模型解混方法采用迭代求解方式，由于其中含有非负和归 一化约束条件，复杂度较高。为此，首先通过参量替换去除非负和归一化约束条件，使 得光谱解混的过程成为以均方误差为适应度函数的极值寻优问题；进而应用田口优化算 法进行迭代寻优，并对该算法的初始化方法进行研究。人工合成的数据实验和真实高光 谱数据实验一致表明，所提出方法较之传统方法解混精度和解混效率均获提高。

关键词：高光谱图像：光谱解混；柔性光谱端元；几何求解；田口优化算法

高光谱图像解混技术研究AB

高光谱图像解混技术研究

AB STRACT

With the development of digital signal processing technology,computer technology and communication tec．hnology,remote sensing imagery processing takes increasingly important effects in the fields of military and civil applications．Mixed pixels are widely existent in hyperspectral imagery(HSO for its low spatial resolution．The analysis and processing of mixed pixels are of more importance and significance．As a major mixed—pixel processing

technology,spectral unmixing aiming to work out the proportion of mixed composition within mixed pixels is a more precise classification．For mixed pixels，when all classes included are known，there is a kind of main information to be interested．That is the proportion occupied by each class in mixed pixel．Spectral unmixing is put forward aiming at the problems．

First，fixed number and fixed shape of endmembers are used in traditional linear spectral mixing modeling(LSMM)，leading to a discount unmixing accuracy．Aiming at this problem and to constructing a new spectral unmixing way based on flexibly det