非監(jiān)督的點源超光譜混合像元分解算法研究.pdf

1、光譜遙感在農(nóng)業(yè)、地理、資源以及軍事領(lǐng)域有著重要應(yīng)用。由于光譜探測器空間分辨率普遍較低導(dǎo)致了混合像元的大量存在，混合像元的問題影響了光譜影像的分類與目標(biāo)識別，所以研究混合像元分解算法對于提高光譜影像分類精度和小目標(biāo)識別能力等領(lǐng)域有著重要的意義。
　　目前已有的混合像元分解算法大多是基于成像光譜數(shù)據(jù)而設(shè)計的，對于點源超光譜，沒有空間信息可以利用。因此本文針對點源超光譜的特點，提出把連續(xù)多幀超光譜序列作為解混對象，將時間上的統(tǒng)計信息代替

2、原有的空間信息的方法。另外，已有的非負矩陣分解（NMF）光譜解混算法為保證豐度值和為一，在計算的過程中利用了帶約束條件的迭代來控制豐度矩陣，由于這種算法一般會利用空間信息且計算度復(fù)雜，不適用于點源超光譜。為此，本文改進了NMF算法，提出了基于豐度值和為一約束的ASC-NMF算法，該算法通過增加約束項保證了分解結(jié)果豐度值和為一，并有效防止了算法中局部最小值的出現(xiàn)。
　　本文隨后對所提算法進行仿真實驗驗證，針對在天空背景下飛行器混合光