基于低秩表示的高光譜圖像解混算法研究.pdf_第1頁
已閱讀1頁,還剩84頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、高光譜成像技術(shù)是上世紀(jì)80年代初在遙感領(lǐng)域發(fā)展起來的成像技術(shù),其主要數(shù)據(jù)特點(diǎn)是圖像波段數(shù)目多、光譜分辨率較高。高光譜遙感在專題圖和地形圖的測制和更新、環(huán)境監(jiān)測與災(zāi)害評估、巖礦的探測和識別、農(nóng)作物和植被的精細(xì)分類等領(lǐng)域具有良好的應(yīng)用前景。然而,混合像元的廣泛存在制約著高光譜遙感的應(yīng)用。因此,如何有效地解決混合像元問題是高光譜圖像處理技術(shù)面臨的難題之一。本文以此為背景,對高光譜圖像解混算法進(jìn)行了深入的研究,主要工作概括如下:
  1.

2、提出了基于結(jié)構(gòu)先驗(yàn)低秩表示的豐度估計算法。該算法利用光譜庫作為端元,相比于光譜庫中光譜的數(shù)目,一幅高光譜圖像中的端元數(shù)目是非常少的,因此對應(yīng)的豐度矩陣是低秩的。同時考慮到光譜庫中光譜之間較高的相干性,采取了光譜庫修剪策略,即所謂的結(jié)構(gòu)先驗(yàn)低秩表示。該算法不僅可以捕捉豐度矩陣的全局結(jié)構(gòu),還可以降低光譜庫中光譜之間相干性帶來的不利影響,提高了解混的精度。
  2.提出了基于空間一致性低秩表示的高光譜圖像解混算法。該算法通過在基本低秩表

3、示模型中加入空間一致性正則項(xiàng),考慮了數(shù)據(jù)的空間信息。空間一致性正則項(xiàng),即約束了空間近鄰像元具有類似的豐度,同時考慮了邊界問題的處理。由于同時利用了高光譜數(shù)據(jù)的光譜信息和空間上下文信息,該算法獲得了較好的解混結(jié)果。
  3.提出了基于端元約束低秩表示的豐度估計算法。由于相比整幅圖像的端元數(shù)目,局部區(qū)域包含的端元數(shù)目較少。因此通過利用稀疏表示方法對不同區(qū)域中不同端元對混合像元組成的貢獻(xiàn)度做出評估,在基本低秩表示模型中加入端元約束正則項(xiàng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論