基于單形體體積增長(zhǎng)的高光譜圖像端元提取及快速實(shí)現(xiàn).pdf

1、高光譜遙感數(shù)據(jù)以其波段多、光譜分辨率高、數(shù)據(jù)量大等特點(diǎn)而成為當(dāng)前遙感領(lǐng)域的前沿技術(shù)，在各個(gè)領(lǐng)域發(fā)揮著越來(lái)越大的作用。但是由于地面物質(zhì)類型的復(fù)雜性以及成像系統(tǒng)空間分辨率的限制，高光譜圖像中普遍存在混合像元，因此光譜解混是遙感領(lǐng)域的重要研究方向。而端元提取作為光譜解混的關(guān)鍵步驟，如何有效而快速地進(jìn)行端元提取是高光譜遙感圖像處理的研究重點(diǎn)之一。本論文主要針對(duì)端元提取算法中比較常用的基于線性光譜混合模型的新的單形體體積增長(zhǎng)算法NSGA中存在的主

2、要問(wèn)題進(jìn)行了一系列的改進(jìn)，不僅將其擴(kuò)展至適用于非線性光譜混合模型，而且提出了兩種思路來(lái)解決其高計(jì)算復(fù)雜度的問(wèn)題。
　　論文的主要工作如下:
　　(1)針對(duì)NSGA只適用于線性光譜混合模型而無(wú)法應(yīng)用于非線性光譜混合模型的問(wèn)題，本文利用核函數(shù)的方法實(shí)現(xiàn)該算法的非線性擴(kuò)展，提出適用于非線性光譜混合模型的算法KNSGA。
　　(2)針對(duì)基于線性模型的NSGA和非線性模型的KNSGA兩算法中由重復(fù)體積計(jì)算而造成的高計(jì)算復(fù)雜度的問(wèn)

3、題，利用分塊矩陣的性質(zhì)提出了兩種快速實(shí)現(xiàn)算法FNSGA和FKNSGA。兩種快速算法主要通過(guò)利用分塊矩陣的性質(zhì)，來(lái)簡(jiǎn)化單形體體積公式行列式求解過(guò)程，從而減小時(shí)間及運(yùn)算復(fù)雜度，達(dá)到簡(jiǎn)化算法，縮短算法運(yùn)行時(shí)間的目的。
　　(3)針對(duì)(2)中提到的NSGA和KNSGA中存在的高計(jì)算復(fù)雜度問(wèn)題，利用改進(jìn)的Cholesky分解的方法提出了兩種相應(yīng)的快速實(shí)現(xiàn)算法FNSGACF和FKNSGACF。兩種快速算法主要利用改進(jìn)Cholesky分解方法，