2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61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、高光譜遙感影像以其光譜分辨率高、成像波段多的優(yōu)勢(400nm-2500nm),豐富了光譜信息同時也提高了光譜解混能力。由于受到遙感器空間分辨力限制和自然界地物的復(fù)雜多樣性影響,遙感影像中存在大量的混合像元。高光譜解混能利用高光譜遙感提供的上百個波段圖像數(shù)據(jù),進(jìn)入像元內(nèi)部挖掘圖像中的亞像元級信息,提高地物分類和目標(biāo)探測及識別的精度,為微小地物或者異常地物的探測提供了一個研究途徑。高光譜遙感混合像元分解方法主要分為兩大類:基于線性模型的解混

2、算法和基于非線性模型的解混算法。本論文主要研究基于核方法的高光譜混合像元非線性解混技術(shù)及應(yīng)用。在系統(tǒng)分析傳統(tǒng)的光譜解混理論基礎(chǔ)上,本文重點(diǎn)研究運(yùn)用核方法將傳統(tǒng)的基于線性光譜混合模型的解混算法推廣到非線性特征空間,解決非線性光譜解混問題。
   論文的主要工作如下:
   (1)正交子空間投影(orthogonal subspace projection, OSP)作為傳統(tǒng)的監(jiān)督解混算法,其突出的特點(diǎn)在于提取端元和豐度時,

3、能消除背景信息的影響,同時也可以抑制圖像數(shù)據(jù)噪聲的干擾。該算法是在最小均方誤差意義上的一種最優(yōu)化的壓縮投影方法。本文這部分工作主要對其非線性推廣的理論進(jìn)行分析驗(yàn)證。該方法不僅揭示了典型地物光譜之間的高階特性,同時對噪聲影響具有較強(qiáng)的魯棒性。
   (2)針對現(xiàn)有的非負(fù)矩陣分解(nonnegative matrix factorization, NMF)算法,本文給出了一種基于核的非負(fù)矩陣方法,并就圖像本身是否存在純像元將其分為含

4、純像元的核的非負(fù)矩陣分解(pure pixels kernel based nonnegative matrix factorization, pKNMF)算法和不合純像元的核的非負(fù)矩陣分解(null pixels kernel based nonnegative matrix factorization, npKNMF)算法。該方法對傳統(tǒng)的NMF方法進(jìn)行非線性映射,運(yùn)用核函數(shù)理論,對輸入空間數(shù)據(jù)點(diǎn)積運(yùn)算進(jìn)行核轉(zhuǎn)化,解決了尋找具體非線性

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