基于光譜解混和目標(biāo)優(yōu)化的高光譜圖像亞像元定位研究.pdf

1、高光譜圖像包含了豐富的光譜信息，普遍的應(yīng)用于多種領(lǐng)域，逐漸成為了對地觀測最為首要的信息源之一。但是由于其成像原理，以及高光譜成像儀的制造技術(shù)等諸多外界原因的限制，高光譜圖像的空間分辨率普遍比較較低，混合像元普遍存在于圖像中。對于土地覆蓋制圖、海岸線提取、變化檢測和景觀指數(shù)估計等應(yīng)用來說，混合像元內(nèi)地物的空間細(xì)節(jié)信息極其重要，假如按照傳統(tǒng)的硬分類方法，圖像中的混合像元被歸類為任意一種地物都是不正確的。亞像元定位恰好是彌補(bǔ)上述不足的有效方法

2、。因此，亞像元定位技術(shù)具有極其重要的研究意義。
　　本文以高光譜圖像的光譜解混為基礎(chǔ)，結(jié)合智能優(yōu)化算法，研究了高光譜圖像亞像元定位。論文的主要工作包括：
　　(1)簡單描述了本文研究的相關(guān)背景與實際意義，查閱國內(nèi)外研究相關(guān)的文獻(xiàn)，并對其進(jìn)行分析與總結(jié)，為本文提出改進(jìn)的亞像元定位方法提供重要的科學(xué)參考與理論支持。
　　(2)對光譜解混相關(guān)理論進(jìn)行系統(tǒng)介紹，包括光譜解混的定義及其數(shù)學(xué)模型，然后介紹了純像元假設(shè)下的光譜解混典

3、型方法，最后對無純像元假設(shè)下的光譜解混典型方法進(jìn)行簡單介紹。
　　(3)基于光譜解混和目標(biāo)優(yōu)化的亞像元定位算法的總體框架，確定以圖像連通區(qū)域周長最小為目標(biāo)函數(shù)，并介紹了三種不同的圖像周長計算方法，進(jìn)一步分析了適用于亞像元定位的優(yōu)化算法。為了減少算法的時間復(fù)雜度，根據(jù)地物空間分布特點(diǎn)，提出了一種新的目標(biāo)優(yōu)化迭代策略，采用局部分析代替全局分析。
　　(4)分別闡述了遺傳算法和二進(jìn)制粒子群算法的基本原理，以及兩種算法在亞像元定位中