基于非负独立成分分析的高光谱图像解混算法研究

《基于非负独立成分分析的高光谱图像解混算法研究》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、基于非负独立成分分析的高光谱图像解混算法研究ResearchesonHyperspectralImageUnmixingAlgorithmBasedonNon-negativeIndependentComponentAnalysis专业：信息与通信工程作者姓名：孙彦慧指导教师：滕建辅教授天津大学电子信息工程学院二零一五年十一月摘要高光谱图像是由高光谱遥感成像仪捕获的同时包含空间和光谱信息的图像，由于高光谱图像仪分辨率的限制以及自然界地物的复杂多样性，单像元点往往包含多种不同类别的地物，意味着“混合像元”广泛存在，这严重阻碍着高光

2、谱图像处理向定量化方向的进一步发展。因此，如何有效地解决混合像元问题，实现高光谱图像解混具有重要意义。论文针对高光谱图像存在混合像元问题，采用基于统计理论的盲分离理论，研究非负独立成分分析算法，提出一种基于非负独立成分分析的高光谱图像解混算法，该算法在非负独立成分分析算法目标函数中引入和为一约束，采用布谷鸟搜索算法对该目标函数进行优化求解。利用仿真数据和高光谱真实数据进行实验，实验结果表明，提出的算法对像元纯度、图像像素数具有比较的鲁棒性，在有噪声无纯像元的情况下仍然表现出良好性能，能够高效实现高光谱图像解混。因此，本文就该问题

3、进行的主要工作如下：（1）在对非负独立成分分析算法目标函数进行优化时，针对梯度算法易受初始化和迭代步长影响而收敛到局部极值的缺点，采用全局收敛性能更好布谷鸟搜索算法进行寻优，提出基于布谷鸟搜索的非负独立成分分析算法，实现对非负信号盲分离。（2）针对高光谱图像像元线性混合模型对丰度的非负约束与和为一约束的要求，在上述非负独立成分分析算法目标函数中引入和为一约束构建新的目标函数，提出基于非负独立成分分析算法的高光谱图像解混算法，并采用布谷鸟搜索算法对该目标函数进行优化求解，高效实现高光谱图像解混。（3）在解混过程中，为了减少求解参数

4、维数并缩小布谷鸟搜索范围，利用矩阵的QR分解理论，将对解混矩阵的搜索转化为对一系列Gives矩阵的识别，从而减小了计算量。关键词：高光谱图像解混；线性混合模型；非负独立成分分析；布谷鸟搜索算法；QR分解ABSTRACTHyperspectralImagesaresimultaneouslycontaininginformationofspaceandspectrumobtainedfromhyperspectralspectrometer.Duetothelimitresolutionofhyperspectralimagesp

5、ectrometerandcomplexdiversityofnatureobjects,onesinglepixeloftencontainsdifferentground-objects.Mixedpixelsalwaysexist,seriouslyimpedingthefurtherdevelopmentofhyperspectralimageprocessingtowardsquantitativedirection.Therefore,howtoeffectivelysolvetheproblemofmixedpix

6、elsandrealizehyperspectralunmixingisofgreatimportance.Inmanyactualsituations,sourcesignalsmixedarenon-negative.Inconsiderationofnon-negativityaswellasindependenceconditions,nonnegativeindependentcomponentanalysis(NICA)algorithmcanrealizethenonnegativeblindsourcesepar

7、ationbasedonstatisticaltheory.Ashyperspectralimagesaretypicalnonnegativesignalandmeetabundancenonnegativeconstraint(ANC)underlinearmixturemodel(LMM),NICAcanbeusedtosolvetheproblemofhyperspectralunmixing.However,abundancesum-to-oneconstraint(ASC)underLMMisincontradict

8、iontoindependencerequirementofthenonnegativesources.IfapplyingNICAdirectlytohyperspectralunmixing,itsperformancewillbeweakened.Them