高光譜圖像降維及端元提取算法的研究.pdf

1、遙感(Remote Sensing)屬于對地觀測綜合性技術，興起于20世紀60年代，隨著空間及電子計算機等技術的發(fā)展，已在眾多領域中得到廣泛的應用，如農業(yè)、海洋、地質、軍事等。發(fā)展至今，農業(yè)研究已邁入了新階段，將遙感技術引入到農業(yè)監(jiān)測工作中，可以幫助科學化農業(yè)決策邁入一個全新的高度，提供更高質量的農業(yè)生產服務。迄今為止，在監(jiān)測作物長勢、評估災害及估計產量等領域，現代農業(yè)遙感技術的成績十分顯著，但在農業(yè)災害監(jiān)測和產量評估方面仍缺乏有效手段

2、，農作物分類正是使這些方面成為可能的重要環(huán)節(jié)。作為遙感技術中的拓展，高光譜遙感技術已在農業(yè)遙感的前沿技術手段中占有一席之地。考慮到高光譜數據維數過高，直接用于分類會導致耗時長、分類精度低等問題，需在分類前對高光譜數據進行預處理。本文以此為出發(fā)點做進一步的研究。
　　本文總結了前人的研究成果，針對蒙特卡羅降維算法采樣大量隨機樣本耗時較長的問題，引入禁忌搜索優(yōu)化算法，采用類內緊性與類間分離性系數(Compactness-Separat

3、ion Coefficient, CS Coefficient)作為適應度函數，對高光譜數據進行降維，通過實驗仿真驗證，本文算法降維時間、特征波段數及分類精度方面均優(yōu)于蒙特卡羅降維算法。根據混合像元的存在，會影響高光譜圖像的地物識別精度，本文對N-FIDNR端元提取算法和基于高維單形體體積的端元提取算法進行研究。提出兩種基于端元獨立性和細化思想改進的端元提取算法。利用端元兩兩之間相互獨立的特性，將端元獨立性引入端元提取算法中。引入細化思