学位论文 > 优秀研究生学位论文题录展示

基于非负矩阵分解的高光谱遥感图像混合像元分解研究

作　者: 刘雪松
导　师: 王斌
学　校: 复旦大学
专　业: 电路与系统
关键词: 高光谱遥感图像混合像元分解端元丰度线性光谱混合模型非负矩阵分解分离性约束平滑性约束并行处理最大信息量波段选择降维
分类号: TP751.1
类　型: 硕士论文
年　份: 2011年
下　载: 216次
引　用: 1次
阅　读: 论文下载

内容摘要

由于遥感拍摄仪器空间分辨率的限制,高光谱遥感图像中的一个像元对应的地面区域通常覆盖了多种地物,其像元的光谱实际上是几种纯净地物光谱的混合,这种像元被称为混合像元。将混合像元分解为典型的地物(即端元)和它们的混合比例(即丰度),可以获取亚像元级的信息,提高地物识别的精度,实现定量遥感。因此,混合像元分解对于基于高光谱遥感图像的高精度地物分类以及地面目标的检测有着重要的意义。目前在该领域中,国际上不断有新思路新方法涌现。如何用无监督的方法在高光谱遥感数据中将混合像元更快更精确的进行盲分解,已经成为当今遥感领域里的一个研究热点。作为一种先进的统计学方法,非负矩阵分解方法能够保证结果的非负性,因而在近年来得到了广泛研究。然而它还存在局部极小很多和运算量大的缺点,本论文针对非负矩阵分解在高光谱遥感图像混合像元分解中的应用作了大量研究,主要工作与创新包括以下几部分：1.提出一种基于有约束非负矩阵分解的混合像元分解方法。传统非负矩阵分解算法的目标函数具有大量的局部极小,在进行高光谱图像的光谱解混时,受初始值的影响很大。本研究通过在目标函数中引入丰度分离性和平滑性的约束条件来解决这一问题。同时该算法能够满足混合像元分解问题所要求的丰度值非负以及和为一的约束。模拟和实际数据实验结果表明,所提出的算法能够很好地克服局部极小的问题,从而得到更优的解。同时该算法表现出了较强的抗噪声能力,并且能够适用于无纯像元数据的混合像元分解。2.针对非负矩阵分解运算速度较慢的问题,本文提出一种使用多核并行处理来提高其效率的方法。本方法对有约束非负矩阵分解方法的步骤进行分解,根据高光谱图像的特点选择合适的并行处理方案。实验结果表明,使用并行处理后,多核CPu的效能被充分利用,混合像元分解的速度得到了大幅度的提高。3.由于高光谱图像波段之间的相关性极高,而非负矩阵分解是一种统计学方法,当直接使用原始的数据时,势必会带来大量的冗余信息。基于这一问题,本文提出一种适用于非负矩阵分解的,基于最大信息量的高光谱图像波段选择方法。它以保留的波段中所包含的信息量最大为目标,通过迭代方法逐个移除波段。实验结果表明,该方法能在大幅降低高光谱图像维度,从而提高运算效率的同时,仍然得到精确的分解结果。4.通常对混合像元分解方法的实验研究只局限于数量较为有限的免费数据,它们大多是由美国研制的成像仪拍摄,并且年代较为久远。本文在保留这些数据的同时,也对由国产成像仪拍摄于近几年的高光谱图像进行了实验,以验证混合像元分解方法在实际应用中的有效性。

全文目录

摘要  5-7
Abstract  7-9
第一章绪论  9-28
  1.1 研究背景  9-14
    1.1.1 高光谱遥感技术简介  9-12
    1.1.2 混合像元的产生及其分解  12-13
    1.1.3 研究意义及其应用价值  13-14
  1.2 高光谱图像混合像元分解研究现状  14-26
    1.2.1 光谱混合模型  14-16
    1.2.2 端元数目的确定  16-19
    1.2.3 现有的混合像元分解方法概述  19-26
  1.3 本论文的章节安排  26
  1.4 本论文所使用的实验数据来源  26-28
第二章非负矩阵分解及其在混合像元分解中的应用现状  28-33
  2.1 非负矩阵分解简介  28-29
  2.2 非负矩阵分解的改进算法  29-30
  2.3 非负矩阵分解在混合像元分解中的应用  30-32
    2.3.1 最小体积约束的非负矩阵分解(MVCNMF)  31-32
    2.3.2 平滑性和稀疏性约束的非负矩阵分解(PSNMFSC)  32
  2.4 总结  32-33
第三章基于有约束非负矩阵分解的方法(ASSNMF)  33-56
  3.1 引言  33-34
  3.2 算法描述  34-44
    3.2.1 丰度分离性约束  35-38
    3.2.2 丰度平滑性约束  38-40
    3.2.3 ASC约束  40-41
    3.2.4 ASSNMF迭代公式  41
    3.2.5 约束条件的移除  41-42
    3.2.6 算法的初始化  42-43
    3.2.7 算法流程及复杂度分析  43-44
  3.3 仿真数据验证  44-49
  3.4 实际数据验证  49-55
  3.5 总结与讨论  55-56
第四章并行处理的非负矩阵分解算法  56-69
  4.1 概述  56-58
    4.1.1 并行处理简介  56-58
    4.1.2 对ASSNMF算法进行并行处理的可行性  58
  4.2 ASSNMF算法的并行处理  58-63
    4.2.1 光谱矩阵更新  59-60
    4.2.2 丰度矩阵更新  60-62
    4.2.3 整体算法流程  62-63
  4.3 实验验证  63-68
    4.3.1 硬件和软件平台  63-64
    4.3.2 衡量指标  64-65
    4.3.3 实验结果与分析  65-68
  4.4 总结与讨论  68-69
第五章基于最大信息量的波段选择方法  69-80
  5.1 概述  69-70
  5.2 算法描述  70-74
    5.2.1 信息量分布表  70-72
    5.2.2 通过迭代方法逐个移除波段  72-73
    5.2.3 求解端元光谱  73-74
  5.3 实验验证  74-79
    5.3.1 仿真数据实验  74-76
    5.3.2 实际数据实验  76-79
  5.4 总结与讨论  79-80
第六章处理实际的高光谱遥感数据  80-90
  6.1 横店地区数据  80-84
    6.1.1 数据概况  80-83
    6.1.2 实验结果  83-84
  6.2 上海地区数据  84-89
    6.2.1 数据概况  84-86
    6.2.2 数据预处理  86-88
    6.2.3 实验结果  88-89
  6.3 总结  89-90
第七章总结与展望  90-92
参考文献  92-101
攻读硕士学位期间发表论文情况  101-102
致谢  102-103

基于非负矩阵分解的高光谱遥感图像混合像元分解研究

内容摘要

全文目录

相似论文