高光譜遙感圖像的解混理論和方法研究.pdf

1、高光譜傳感器在一個連續(xù)的包括電磁波譜的紫外到短波紅外等數(shù)十至數(shù)百個波段的光譜區(qū)間內獲得豐富的地表信息。受空間分辨率和地表混合效應的影響，記錄瞬時視場(Instantaneous Field Of View，IFOV)內地物光譜的單個高光譜像素通常覆蓋不止一種地物組成成分（端元），這些像素被稱為混合像元，它們給地面目標的測量和分析帶來較大的困難。因此，高光譜解混已經(jīng)成為近幾十年來高光譜圖像處理領域一個備受關注的熱點。它通常由兩個步驟組成:

2、提取圖像中的端元特征光譜，即端元提取，和確定像素中各個端元所占的比例，即豐度估計。由于具有簡單的物理解釋和低復雜度的求解方案，線性光譜混合模型(LinearSpectral Mixture Model，LSMM)成為當前研究中廣泛應用的模型。然而，LSMM只是對于混合過程發(fā)生在宏觀尺度而且像素內僅存在單反射的情況有效。在實際數(shù)據(jù)中，這種情況并不總是滿足的。為此，一些非線性光譜混合模型(Nonlinear Spectral Mixture

3、 Models，NSMMs)被用于表示高光譜圖像中的非線性效應和克服LSMM的內在缺陷。本論文的目標是提出有效的基于線性和非線性模型的高光譜解混(Hyperspectral Unmixing，HU)方法以充分提取高光譜圖像中蘊含的豐富信息。本論文的主要工作和創(chuàng)新點包括以下幾個方面:
　　1.提出一種新的基于Cayley-Menger行列式的端元提取算法。作為一種基于LSMM的幾何算法，該算法的目的是確定包含整個高光譜數(shù)據(jù)云的最大體

4、積的單形體。我們首先采用Cayley-Menger行列式計算和分析高維觀測空間內的低維單形體體積。然后，根據(jù)Hermite矩陣的特性提出一種新的快速遞推關系，以使端元光譜以低復雜度的順序方式被提取出來。
　　2.提出一種新的基于距離幾何理論的全約束豐度估計算法。根據(jù)LSMM，HU可以被看作一個凸面幾何問題。根據(jù)與端元的單形體之間的位置關系，我們將高光譜觀測像素被分為三大類:內點、外點Ⅰ和外點Ⅱ。只有內點的重心坐標才能作為豐度輸出。

5、為此，我們首先提出一種基于Caylen-Menger矩陣的重心坐標計算方法，它同樣是僅涉及觀測像素之間的距離。然后，我們利用凸面幾何概念和距離幾何約束提出兩個快速而準確的方法分別確定外點Ⅰ和外點Ⅱ在端元單形體上的最佳估計點，并將它們的重心坐標作為觀測像素的估計豐度輸出。這些估計點是以距離的形式給出的，而且在計算過程中保持了數(shù)據(jù)集的幾何結構。整個算法采用遞歸操作，具有較低的運算復雜度。
　　3.提出兩種基于約束非線性最小二乘(Con

6、strained Nonlinear Least Squares,CNLS)的解混算法。首先，我們將未知變量分為兩類:豐度和非線性參數(shù)。由于物理原因，它們滿足三個約束條件:豐度和為一約束(Abundance Sum-to-one Constraint，ASC)、豐度非負約束(Abundance Nonnegative Constraint，ANC)和非線性參數(shù)的有界約束。通過采用特定的懲罰函數(shù)，基于模型的非線性解混問題可以轉化為CNLS

7、問題。然后，我們使用兩種機制描述混合過程:疊加混合和關聯(lián)混合。對于前一種形式，我們提出一個交替優(yōu)化算法解決兩個子問題:在己知豐度矢量的前提下最小化關于非線性參數(shù)的目標函數(shù)求解該參數(shù)，反之亦然，如此交替迭代。對于第二種情況，我們采用基于結構總體最小二乘(Structured TotalLeast Squares，STLS)的關聯(lián)優(yōu)化算法同時得到未知的豐度和非線性參數(shù)。
　　4.提出一種新的空譜相似性度量，并將其應用于高光譜的分類、降