結(jié)合解混的高光譜區(qū)域生長算法研究及應(yīng)用.pdf

1、隨著海上石油運輸業(yè)的蓬勃發(fā)展，溢油事故的發(fā)生愈加頻繁，其對海洋環(huán)境的污染無疑是毀滅性的。事故發(fā)生后，航載高光譜遙感監(jiān)測可以及時提供油區(qū)和油膜厚度信息，為溢油量的估計和風(fēng)險評估提供了有力依據(jù)。然而目前大部分的分割算法對高光譜海面溢油圖像的劃分效果并不十分理想，因此，對其進一步的研究十分必要。
　　基于現(xiàn)有的區(qū)域生長算法，論文結(jié)合高光譜技術(shù)和溢油圖像特點，從以下幾個方面展開研究工作。
　　(1)結(jié)合溢油圖像本身的特點，首先采用非

2、監(jiān)督端元提取思想自動獲取種子點。之后，對高光譜溢油圖像進行解混，得到與高光譜圖像對應(yīng)的豐度圖，以豐度作為距離尺度，在二維的豐度圖上進行區(qū)域生長。
　　(2)由于海面上獲取的圖像受波浪和太陽耀光的影響嚴(yán)重，在溢油圖像中產(chǎn)生大量的異常點，論文嘗試了三種改進的生長方式，分別為鄰域均值生長方式、鄰域極值生長方式和拋去鄰域內(nèi)異常點后的均值生長方式。將這三種生長方式與原始生長方式一起，分別與上述兩個步驟相結(jié)合進行實驗分析，并與采用閾值分割方法

3、和聚類分割方法得到的結(jié)果進行對比，驗證了所提方法的有效性。
　　(3)最后，在區(qū)域生長過程中的閾值選擇方面，以區(qū)域邊界點的平均梯度和區(qū)域內(nèi)部的方差作為參數(shù)構(gòu)建模型，實現(xiàn)自動閾值最優(yōu)化選擇，確保得到最佳的分割效果。
　　論文分別利用模擬圖像、在美國印第安納州(Indiana)某農(nóng)林混合試驗場獲取的AVIRIS高光譜圖像數(shù)據(jù)和蓬萊19-3C平臺溢油遙感圖像作為實驗數(shù)據(jù)，進行了實驗分析和效果對比。通過實驗結(jié)果證明，論文中提出的結(jié)合