基于蝙蝠算法和去噪降维的高光谱图像盲解混算法研究

《基于蝙蝠算法和去噪降维的高光谱图像盲解混算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于蝙蝠算法和去噪降维的高光谱图像盲解混算法研究论文作者：薛允艳学生类别：全日制学科门类：工学学科专业：通信与信息系统指导教师：贾志成职称：教授资助基金项目：国家自然科学基金项目（61401307）；中国博士后科学基金项目（2014M561184）；天津市应用基础与前沿技术研究计划项目（15JCYBJC17100）DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofCommunicationandIn

2、formationSystemRESEARCHESONHYPERSPECTRALIMAGEBLINDUNMIXINGALGORITHMBASEDONBATSALGORITHMANDDENOISINGDIMENSIONREDUCTIONbyXueYunyanSupervisor:Prof.JiaZhichengMay2017ThisworksupportedbytheNationalNaturalScienceFoundationofChina.No.61401307;TheChinaPostdoctoralScienceFoundatio

3、nofChina.No.2014M561184;Tianjinapplicationinfrastructureandfrontiertechnologyresearchprojects.No.15JCYBJC17100.摘要高光谱遥感数据融合了图像维度和光谱维度信息，既可以获得地物图像，又可以得到连续的光谱信息。然而，由于遥感图像拍摄的距离远，导致空间分辨率低，再加上复杂的地形，使得图像中所含的像元不只是一种像元，而是由多种地物组成的混合像元。混合像元对地物分类和识别精度产生了严重影响，因此解决混合像元的分解问题尤为重要。本文目的就是提

4、出有效的高光谱图像解混方法来充分提取高光谱图像包含的丰富信息。首先对传统独立成分分析算法进行改进。高光谱图像存在的丰度非负及丰度和为一约束破坏了各成分独立的前提，导致传统的独立成分分析算法无法直接应用于高光谱图像解混。针对这一缺陷，本文在目标函数中添加相应的约束项，改变各成分相互独立的假设。然后采用蝙蝠算法优化高光谱图像解混的目标函数。当传统的梯度算法用于优化目标函数时，其对初始点的选择极为敏感，很容易陷入局部收敛，而蝙蝠算法在优化求解上具有收敛性好、实际应用性强等特点。因此，本文采用蝙蝠算法对目标函数进行优化，提出的BA-CICA算法解

5、混精度高，收敛速度快，且适用于像元纯度很低的高光谱图像解混。高光谱图像的高维度和噪声严重影响高光谱图像的解混性能，因此需要对高光谱数据进行有效地去噪降维。针对这个问题，本文提出基于SVDD-OSP降维的高光谱图像解混算法，该算法有效提高了解混算法的抗噪声干扰能力。最后本文对所提的算法进行了实验验证，包括仿真和真实数据两个实验，结果表明，本文提出的算法收敛速度快，收敛精度高，而且抗噪声干扰能力强，并且适用于像元纯度很低的数据分解。关键词：高光谱遥感；混合像元；独立成分分析；目标函数；群智能算法；去噪降维；IABSTRACTHyperspec

6、tralremotesensingdatacombinesimagedimensionsandspectraldimensioninformationtoobtainbothterrainimagesandcontinuousspectralinformation.However,thedistantdistanceofremotesensingimagesandthecomplexterrainresultinlowspatialresolution,sothatthepixelscontainedintheimageisnotjust

7、apixel,butamixedpixelwithavarietyofobjects.Themixedpixelhasaseriousimpactontheclassificationandrecognitionaccuracy.Therefore,itisveryimportanttosolvetheproblemofthedecompositionofmixedpixels.Thepurposeofthispaperistoproposeaneffectivehyperspectralimagedecryptionmethodtofu

8、llyextracttherichinformationcontainedinhyperspectralimages.First,improvethetraditionalICAalgorit