基于非線性混合模型的高光譜波譜信號(hào)提取方法研究.pdf

1、高光譜波譜信號(hào)提取技術(shù)作為高光譜圖像處理中的基礎(chǔ)技術(shù)，廣泛應(yīng)用于高光譜像元解混、目標(biāo)識(shí)別、異常點(diǎn)檢測(cè)以及目標(biāo)分類(lèi)等高光譜圖像處理算法中。因此，如何行之有效的從高光譜圖像中獲取波譜信息，直接影響著高光譜圖像在各個(gè)領(lǐng)域中的應(yīng)用。
　　目前，獲取波譜信號(hào)方法主要包括兩種：其一是從實(shí)驗(yàn)室或現(xiàn)有的光譜庫(kù)中獲取，另一種方法是從高光譜圖像數(shù)據(jù)中提取，這種方法通常被稱作波譜信號(hào)提取算法（Spectral Signal Extraction Alg

2、orithm，SSEA）。由于高光譜圖像中通常存在著混合像元，這給波譜信號(hào)提取算法帶來(lái)了極大的挑戰(zhàn)。現(xiàn)有的SSEA算法，如基于純像元指數(shù)算法、內(nèi)部最大體積法算法、頂點(diǎn)成分分析算法等波譜信號(hào)提取算法都是以線性混合模型為基礎(chǔ)的波譜信號(hào)提取算法。但是，在混合像元的形成過(guò)程中，容易受到大氣、傳感器以及太陽(yáng)入射輻射與多種地物之間的相互作用等因素的影響。這使得高光譜圖像中的混合像元是各波譜信號(hào)的非線性表示，并且非線性的程度隨著空間分辨率的提高變得越

3、發(fā)嚴(yán)重。因此，對(duì)非線性混合模型下的波譜信號(hào)提取算法的研究具有非常重要的意義。本文主要完成以下幾個(gè)方面的工作。
　　本文首先就高光譜圖像中的像元混合的成因進(jìn)行分析和探討，并著重研究混合像元中的非線性因素以及現(xiàn)有的非線性混合模型。其次，結(jié)合混合像元分解以及向量的相似性原理，建立起高光譜波譜信號(hào)提取算法的有效性驗(yàn)證方法。由于目前普遍采用近似線性化的方法處理高光譜混合像元中的非線性成分，本文深入探討在不同非線性混合模型的高光譜數(shù)據(jù)中，線性

4、波譜信號(hào)提取算法的有效性。實(shí)驗(yàn)結(jié)果表明：采用近似線性化的方法會(huì)導(dǎo)致計(jì)算誤差增大，甚至無(wú)法完整的提取出非線性混合數(shù)據(jù)中的波譜信號(hào)。最后，結(jié)合非線性全約束最小二乘豐度反演算法、線性波譜信號(hào)提取方法以及非線性混合模型進(jìn)行波譜信號(hào)的提取。通過(guò)與傳統(tǒng)的線性波譜信號(hào)提取算法進(jìn)行對(duì)比實(shí)驗(yàn)，其結(jié)果表明：基于非線性混合模型的波譜信號(hào)提取算法相比于線性波譜信號(hào)提取算法，誤差更小，性能更佳。對(duì)于噪聲的抑制能力也優(yōu)于線性波譜信號(hào)提取算法。同時(shí)，將該算法與傳統(tǒng)的