基于核方法的高光譜遙感圖像解混技術(shù)研究.pdf

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