基于單形體體積增長的高光譜圖像端元提取及快速實現.pdf

1、高光譜遙感數據以其波段多、光譜分辨率高、數據量大等特點而成為當前遙感領域的前沿技術，在各個領域發(fā)揮著越來越大的作用。但是由于地面物質類型的復雜性以及成像系統(tǒng)空間分辨率的限制，高光譜圖像中普遍存在混合像元，因此光譜解混是遙感領域的重要研究方向。而端元提取作為光譜解混的關鍵步驟，如何有效而快速地進行端元提取是高光譜遙感圖像處理的研究重點之一。本論文主要針對端元提取算法中比較常用的基于線性光譜混合模型的新的單形體體積增長算法NSGA中存在的主

2、要問題進行了一系列的改進，不僅將其擴展至適用于非線性光譜混合模型，而且提出了兩種思路來解決其高計算復雜度的問題。
　　論文的主要工作如下:
　　(1)針對NSGA只適用于線性光譜混合模型而無法應用于非線性光譜混合模型的問題，本文利用核函數的方法實現該算法的非線性擴展，提出適用于非線性光譜混合模型的算法KNSGA。
　　(2)針對基于線性模型的NSGA和非線性模型的KNSGA兩算法中由重復體積計算而造成的高計算復雜度的問

3、題，利用分塊矩陣的性質提出了兩種快速實現算法FNSGA和FKNSGA。兩種快速算法主要通過利用分塊矩陣的性質，來簡化單形體體積公式行列式求解過程，從而減小時間及運算復雜度，達到簡化算法，縮短算法運行時間的目的。
　　(3)針對(2)中提到的NSGA和KNSGA中存在的高計算復雜度問題，利用改進的Cholesky分解的方法提出了兩種相應的快速實現算法FNSGACF和FKNSGACF。兩種快速算法主要利用改進Cholesky分解方法，