论文部分内容阅读
为提高遥感影像在使用过程中的精度,高光谱图像的混合像元解混是研究者们亟待解决的问题。传统的混合像元解混算法主要基于线性解混模型、双线性模型或者非线性解混模型,这些模型均以最小化加性噪声为目标,实现端元提取并获得端元丰度系数。本论文在分析传统解混模型基础上,构建抗噪模型,进而提出基于抗噪模型的混合像元解混算法,最终由实验验证算法在高光谱图像解混中的有效性。本文研究内容包括如下几个方面:1混合像元解混的基础知识:研究高光谱图像成像原理,分析高光谱图像成像过程中产生的噪声,总结混合像元解混之前常见的预处理算法存在的问题。深入研究目前广泛使用的三种混合像元解混模型与其对应的混合像元解混的典型算法。并介绍常见的混合像元解混精度评价机制。2针对传统的线性模型及非线性模型均以加性噪声作为随机误差的产生原因,忽略了高光谱图像成像过程中可能产生的其他噪声。本文分析噪声对高光谱数据解混结果的稀疏性及稳定性的影响,推导传统解混模型误差产生机制及乘性噪声、混合噪声的危害,提出基于Itakura-Saito (IS)距离的抗噪模型。并通过理论推导证明抗噪模型能够克服独立于高光谱数据存在的加性噪声及乘性噪声、混合噪声对混合像元解混的影响。3为了证明提出抗噪模型的必要性,作者改进基于传统模型的混合像元解混算法,并由理论及实验说明传统模型的固有局限性。本论文以线性模型为例,推导基于线性模型的解混结果精确度,分析影响线性模型混合像元解混精度的因素,在基于对传统线性模型的误差推导基础上,提出基于传统解混模型改进的混合像元解混算法。在新的解混算法里,全面考虑影响结果的随机测量误差及其他因素,此外,通过添加阻尼项,提高解的稳定性。由共轭梯度算法加速新的解混算法的收敛速度,并由实验验证其有效性。4研究基于抗噪模型的混合像元解混算法:在抗噪模型基础上,研究对应的抗噪的混合像元解混算法。针对混合像元解混问题是不适定问题,混合像元解混结果对初始值极其敏感,本文提出构建端元字典,并改进传统的正交基匹配追踪(OMP)算法,根据改进的正交基匹配追踪算法具有基正交性及非负性,在没有约束参数的情况下,求解Lo范数约束问题,提高解混结果的稳定性及稀疏性。采用基于IS距离迭代的非负矩阵分解算法,克服混合像元解混过程中的噪声,提高解混算法的解混能力及抗噪性能。