基于差分搜索的高光譜圖像解混算法研究.pdf

1、高光譜遙感能夠在某一光譜段范圍內(nèi)連續(xù)成像，實現(xiàn)譜像一體化，且光譜分辨率高，這些特點促使高光譜遙感成為研究熱點之一。但由于實際地物復雜性和儀器性能局限性的影響，使得高光譜圖像中的某些像素由多種地物組成，形成混合像元。而混合像元又分為線性混合模型和非線性混合模型，如何從混合像元中準確提取出端元和豐度是目前高光譜遙感的研究重點。
　　差分搜索算法是一種新的智能群算法，具有較強的全局搜索能力，并且適合求解多模態(tài)問題。因此，本文將高光譜圖像

2、解混問題轉(zhuǎn)化為一個最優(yōu)化問題，采用差分搜索算法來實現(xiàn)高光譜圖像解混。本文主要工作如下：
　　首先，針對高光譜圖像線性解混問題進行研究，發(fā)現(xiàn)高光譜圖像的線性混合模型與盲源分離模型非常相似，但高光譜圖像的豐度具有和為一特性，不滿足獨立性的要求，不能將盲源分離算法直接應用于高光譜圖像解混。因此，本文根據(jù)高光譜圖像豐度非負和豐度和為一特性構造相應的約束項，與互信息相結合作為目標函數(shù)，利用差分搜索算法對該目標函數(shù)優(yōu)化求解來實現(xiàn)高光譜圖像解混

3、。仿真數(shù)據(jù)和實際高光譜數(shù)據(jù)實驗表明，該算法能夠有效解決高光譜圖像解混問題，與已有其它算法相比，能避免陷入局部極值，提高了圖像解混的精度，并且針對不含純像元的高光譜圖像具有很好的解混效果。
　　其次，進一步對高光譜圖像非線性解混問題進行研究，針對混合像元中線性混合模型和非線性混合模型同時存在的問題，提出采用神經(jīng)網(wǎng)絡對高光譜圖像中的像元混合模型進行估計，然后針對不同的混合模型進行相應的像元解混。像元解混時，在目標函數(shù)中同樣添加相應的豐