文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 基于光谱和空间特性的高光谱解混方法
侵权投诉

基于光谱和空间特性的高光谱解混方法

envi,ERDAS,ARCGIS,MAPGIS,遥感,地理信息,分类,提取

第26卷第3期

2009年7月

深圳大学学报理工版

JOURNALOFSHENZHENUNIVERSITYSCIENCEANDENGINEERING

Vol126No13July2009

文章编号:100022618(2009)0320262206

【光电与信息工程】

基于光谱和空间特性的高光谱解混方法

贾 森,钱 涛,纪 震,沈琳琳

1

2

1

1

(1.深圳大学德州仪器DSPs实验室,深圳大学计算机与软件学院,深圳518060;2.浙江大学计算机学院,杭州310027)

摘 要:为表征高光谱数据的光谱和空间特性,引入光谱的平滑性和地物空间分布的稀疏性约束,提

出非负矩阵分解的改进算法,将其应用于高光谱解混.尺度可变的梯度下降算法保证了改进算法的收敛性.实验结果表明,改进后的非负矩阵分解算法能给出地物光谱,并精确估计其分布.

关键词:高光谱解混;混合像元;线性光谱混合模型;非负矩阵分解;盲源分离中图分类号:TP753;TP399    文献标识码:A  高光谱图像是利用成像光谱仪对同一地表区域的几十乃至几百个波段同时成像,从而获得三维图像.由于高光谱图像的空间分辨率较低,导致遥感图像中普遍存在混合像元.,(分布(丰度)关键之一

[1]

negativeNMF)技术

[4]

作为一种

.本文通过引入高光谱数据的平滑性和地物分布的稀疏性约束,改进了非负矩阵分解(improvedNMF,INMF)算法.对于高光谱数据来说,其高光谱分辨率和低空间分辨率使光谱数据具有平滑性.同时,多数地物仅分布在图像中的部分区域,即地物的分布在一定程度上是稀疏的.实际高光谱数据集的实验结果表明,INMF算法能给出地物光谱及其分布的精确估计.

.理含义明确的优点,同时理论上也有较好的科学性,在光谱解混中得到了广泛应用.同时,非监督的光谱解混技术直接从遥感图像本身入手,根据混合像元的光谱模型及约束条件等信息,利用非监督的信号处理方法得到端元光谱及其组分信息.该技术克服了传统方法的种种限制条件,为解决高光谱图像中混合像元问题提供了新思路,成为近年来的研究热点.

文献[2]根据高光谱图像组成的高维空间凸面单形体中,地物光谱位于其顶点的几何特征,提

出顶点成分分析(vertexcomponentanalysis,VCA)算法.但其图像中存在各类地物纯像元的前提假设在实际中难以满足,特别是对于每一种地物来说.线性光谱解混本质属于盲源分离问题,因此,高光谱解混

常用独立分量分析.但混合像元中地物比

例之间的相关性(各端元所占比重之和为常数)降低了算法的解混效果.此外,非负矩阵分解(non2

收稿日期:基金项目:作者简介:通讯作者:

[3]

1 线性光谱混合模型

在线性光谱混合模型中,每一个像元的光谱特征是端元光谱与其在像元中所占比例的线性组合.设高光谱数据U是一个图像立方体,I和J分别对应于二维图像空间的方向维,L对应于光谱维(即高光谱图像中波段个数).则某一点的观察向量Uij∈

R反映该像元的光谱特征.若M∈R为光谱信号

L

LP

矩阵,则每一个列向量MP∈R对应于一个端元光谱.其中,P为高光谱图像中端元的个数.若V是一个丰度立方体,并代表各端元在高光谱数据中的丰度,则Vp∈R表示第p个端元的空间分布;列

IJ

L

2008210229;修回日期:2009205209

国家自然科学基金资助项目(60872071);广东省自然科学基金博士启动资助项目(9451806001002287)贾 森(19802),男(汉族),河南省焦作市人,深圳大学讲师、博士.E2mail:senjia@szu1edu1cn

()()纪 震19732,男汉族,深圳大学教授、博士生导师.E2mail:jizhen@szu1edu1cn

doc.guandang.net

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email