基于核方法的高光譜遙感圖像解混技術研究.pdf

1、高光譜遙感影像以其光譜分辨率高、成像波段多的優(yōu)勢(400nm-2500nm)，豐富了光譜信息同時也提高了光譜解混能力。由于受到遙感器空間分辨力限制和自然界地物的復雜多樣性影響，遙感影像中存在大量的混合像元。高光譜解混能利用高光譜遙感提供的上百個波段圖像數(shù)據(jù)，進入像元內部挖掘圖像中的亞像元級信息，提高地物分類和目標探測及識別的精度，為微小地物或者異常地物的探測提供了一個研究途徑。高光譜遙感混合像元分解方法主要分為兩大類：基于線性模型的解混

2、算法和基于非線性模型的解混算法。本論文主要研究基于核方法的高光譜混合像元非線性解混技術及應用。在系統(tǒng)分析傳統(tǒng)的光譜解混理論基礎上，本文重點研究運用核方法將傳統(tǒng)的基于線性光譜混合模型的解混算法推廣到非線性特征空間，解決非線性光譜解混問題。
　　 論文的主要工作如下：
　　 (1)正交子空間投影(orthogonal subspace projection, OSP)作為傳統(tǒng)的監(jiān)督解混算法，其突出的特點在于提取端元和豐度時，

3、能消除背景信息的影響，同時也可以抑制圖像數(shù)據(jù)噪聲的干擾。該算法是在最小均方誤差意義上的一種最優(yōu)化的壓縮投影方法。本文這部分工作主要對其非線性推廣的理論進行分析驗證。該方法不僅揭示了典型地物光譜之間的高階特性，同時對噪聲影響具有較強的魯棒性。
　　 (2)針對現(xiàn)有的非負矩陣分解(nonnegative matrix factorization, NMF)算法，本文給出了一種基于核的非負矩陣方法，并就圖像本身是否存在純像元將其分為含

4、純像元的核的非負矩陣分解(pure pixels kernel based nonnegative matrix factorization, pKNMF)算法和不合純像元的核的非負矩陣分解(null pixels kernel based nonnegative matrix factorization, npKNMF)算法。該方法對傳統(tǒng)的NMF方法進行非線性映射，運用核函數(shù)理論，對輸入空間數(shù)據(jù)點積運算進行核轉化，解決了尋找具體非線性