基于低秩表示的高光譜圖像解混算法研究.pdf

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)