基于端元学习的高光谱图像稀疏解混研究

基于端元学习的高光谱图像稀疏解混研究

ID:34876798

大小:5.98 MB

页数:76页

时间:2019-03-13

基于端元学习的高光谱图像稀疏解混研究_第1页
基于端元学习的高光谱图像稀疏解混研究_第2页
基于端元学习的高光谱图像稀疏解混研究_第3页
基于端元学习的高光谱图像稀疏解混研究_第4页
基于端元学习的高光谱图像稀疏解混研究_第5页
资源描述:

《基于端元学习的高光谱图像稀疏解混研究》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、磁毛辦旅麟图?硕±学位论文0樣.3基于端元学习的髙光谱隱麵臟研究作者姓名童文杰指导教臟名、职称张小华碰授申请学位类别工学硕±2西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知,除了文中特别加臥标注和致谢中所罗列的内容臥外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一

2、同工。与我作的同事对本研究所做的任何贡献巧已在论文中作了明确的说明并表示了谢意。学位论文若有不实么处一,本人承担切法律责任。本人签名:日期;)A>ir.iiM.西安电子科技大学关于论文使用授权的说明目本人完全了解西安电子科技大学有关保留和使用学位论文的规定,P;研巧生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文、的复印件,允许查阅借阅论文;学校可W公布论文的全部或部分巧容,允许采用影印、缩印或其它复制手段保存论文。同时本人保证,结合学位论文研

3、究成果完成的论文、发明专利等成果,署名单位为西安电子科技大学。保密的学位论文在。_年解密后适本授权书用若;导师豁名;本人签名王S;rt,::?nr、IL么哀日期日、期学校代码10701学号1302121208分类号TP75密级公开西安电子科技大学硕士学位论文基于端元学习的高光谱图像稀疏解混研究作者姓名:童文杰一级学科:控制科学与工程二级学科:模式识别与智能系统学位类别:工学硕士指导教师姓名、职称:张小华副教授学院:电子工程学院提交日期:2015年11月AStudyofHypersp

4、ectralImageSparseUnmixingBasedontheLearningofEnd-membersAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinPatternRecognitionandIntelligentSystemsByTongWenjieSupervisor:ZhangXiaohuaAssociateProfessorNovember2015摘要摘要遥感技

5、术于上个世纪六十年代发展起来,它的快速发展带动了很多技术的发展。其中,高光谱成像技术就是代表之一。由成像光谱仪获取的高光谱数据有两个明显的特点:第一个是图像中像素点的波段数很多,第二个是光谱的分辨率很高。基于这样的特点,高光谱图像被用于了地物的识别,可是在实际应用中,由于成像光谱仪空间分辨率的不足以及地物分布的不均匀,导致在采集到的高光谱图像中,像素点是由多种地物混合而成的,几乎不存在只包含一种地物的像素点。这就对地物的识别形成了阻碍。为了能够有效的利用高光谱图像,就必须对混合的像素点进行分解,将其分解为端元和对应

6、的丰度,这就是高光谱图像解混的工作。为了提高高光谱图像解混的效果,本文对解混进行了深入的研究,主要工作可以概括如下:1.提出了一种基于端元学习的空间相似高光谱图像稀疏解混方法。将学习的思想融入高光谱图像解混中,通过先对端元进行模拟学习,学习时结合端元的光滑性,然后利用数字光谱库对其进行筛选。丰度求解时,从空间角度进行相应的约束,相似的像素点应该是空间结构相似的,也就是具有低秩性。另外,分布在整幅图像中的端元数较像素点个数而言是很少的,所以对于某个像素点而言,只能包含部分端元,这就使得稀疏性存在了。结合低秩特性和稀疏

7、特性,对高光谱图像进行解混。实验结果表明:本方法的求解模式与传统的一站式求解模式相比,更能够获得高精度的解混结果。2.提出了一种基于端元学习的正则加权高光谱图像稀疏解混方法。该方法在端元学习过程中,考虑了实际情况,因波段的剔除,使得端元表现出间断光滑性,基于这个原因,加入了额外约束。同时,在丰度的求解过程中,将正则约束替换低秩约束,从空间距离关系考虑丰度的求解。实验结果表明:本方法在高光谱图像解混方面比前一个方法的效果有所提升。3.提出了一种基于端元学习的近邻相关高光谱图像稀疏解混方法。对于端元而言,仍然结合光滑性

8、和间断段光滑性进行学习。在丰度的求解过程中,从像素点邻近区域考虑,对于图像中的某个数据,用与它结构相似的近邻数据表示,这是从新的角度考虑近邻数据间的关系。结果表明:本方法在高光谱图像解混方面也有着不错的效果。关键词:解混,端元学习,空间结构,近邻,稀疏IABSTRACTABSTRACTRemotesensingtechnologyisstartedin196

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。