基于低秩表示的高光譜圖像解混算法研究

基于低秩表示的高光譜圖像解混算法研究

ID:34550716

大小:2.25 MB

頁數(shù):85頁

時間:2019-03-07

基于低秩表示的高光譜圖像解混算法研究_第1頁
基于低秩表示的高光譜圖像解混算法研究_第2頁
基于低秩表示的高光譜圖像解混算法研究_第3頁
基于低秩表示的高光譜圖像解混算法研究_第4頁
基于低秩表示的高光譜圖像解混算法研究_第5頁
資源描述:

《基于低秩表示的高光譜圖像解混算法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、基于低秩表示的高光譜圖像解混算法研究作者姓名陳琪蒙導師姓名、職稱張向榮教授一級學科電子科學與技術(shù)二級學科電路與系統(tǒng)申請學位類別工學碩士提交學位論文日期2014年11月學校代碼10701學號1202120873分類TN82號TP75密級公開西安電子科技大學碩士學位論文基于低秩表示的高光譜圖像解混算法研究作者姓名:陳琪蒙一級學科:電子科學與技術(shù)二級學科:電路與系統(tǒng)學位類別:工學碩士指導教師姓名、職稱:張向榮教授提交日期:2014年11月AStudyofHyperspectralImageUnmixingbasedonLow-RankRepresentationAthesissubmittedtoX

2、IDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByChenQimengSupervisor:Prof.ZhangXiangrongNovember2014西安電子科技大學學位論文獨創(chuàng)性(或創(chuàng)新性)聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德,本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標注和致謝中所羅列的內(nèi)容以外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果;也不包含為獲得西安電子科技大

3、學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文若有不實之處,本人承擔一切法律責任。本人簽名:日期:西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定,即:研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學。學校有權(quán)保留送交論文的復印件,允許查閱、借閱論文;學??梢怨颊撐牡娜炕虿糠謨?nèi)容,允許采用影印、縮印或其它復制手段保存論文。同時本人保證,獲得學位后結(jié)合學位論文研究成果撰寫的文章,署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權(quán)書。本

4、人簽名:導師簽名:日期:日期:摘要摘要高光譜成像技術(shù)是上世紀80年代初在遙感領(lǐng)域發(fā)展起來的成像技術(shù),其主要數(shù)據(jù)特點是圖像波段數(shù)目多、光譜分辨率較高。高光譜遙感在專題圖和地形圖的測制和更新、環(huán)境監(jiān)測與災(zāi)害評估、巖礦的探測和識別、農(nóng)作物和植被的精細分類等領(lǐng)域具有良好的應(yīng)用前景。然而,混合像元的廣泛存在制約著高光譜遙感的應(yīng)用。因此,如何有效地解決混合像元問題是高光譜圖像處理技術(shù)面臨的難題之一。本文以此為背景,對高光譜圖像解混算法進行了深入的研究,主要工作概括如下:1.提出了基于結(jié)構(gòu)先驗低秩表示的豐度估計算法。該算法利用光譜庫作為端元,相比于光譜庫中光譜的數(shù)目,一幅高光譜圖像中的端元數(shù)目是非常少的,因

5、此對應(yīng)的豐度矩陣是低秩的。同時考慮到光譜庫中光譜之間較高的相干性,采取了光譜庫修剪策略,即所謂的結(jié)構(gòu)先驗低秩表示。該算法不僅可以捕捉豐度矩陣的全局結(jié)構(gòu),還可以降低光譜庫中光譜之間相干性帶來的不利影響,提高了解混的精度。2.提出了基于空間一致性低秩表示的高光譜圖像解混算法。該算法通過在基本低秩表示模型中加入空間一致性正則項,考慮了數(shù)據(jù)的空間信息。空間一致性正則項,即約束了空間近鄰像元具有類似的豐度,同時考慮了邊界問題的處理。由于同時利用了高光譜數(shù)據(jù)的光譜信息和空間上下文信息,該算法獲得了較好的解混結(jié)果。3.提出了基于端元約束低秩表示的豐度估計算法。由于相比整幅圖像的端元數(shù)目,局部區(qū)域包含的端元數(shù)

6、目較少。因此通過利用稀疏表示方法對不同區(qū)域中不同端元對混合像元組成的貢獻度做出評估,在基本低秩表示模型中加入端元約束正則項,形成了本算法的思想。實驗結(jié)果表明該算法能獲得較好的解混準確率,是一種較好的解混算法。本文的工作得到了國家自然科學基金(61272282),教育部新世紀優(yōu)秀人才支持計劃(NCET-13-0948)等項目的資助。關(guān)鍵詞:低秩表示,解混,豐度估計,高光譜圖像論文類型:應(yīng)用基礎(chǔ)研究類I西安電子科技大學碩士學位論文IIABSTRACTABSTRACTAsanemergingtechnology,hyperspectralimagingisdevelopedinthefieldofr

7、emotesensingintheearly1980’sandhyperspectraldatahasthecharactersofmulti-bandandhighspectralresolution.Hyperspectralremotesensinghasagoodapplicationprospectinthethematicmapandreliefmapofdrawingandupdat

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。