基于結(jié)構(gòu)稀疏表示的高光譜圖像解混

《基于結(jié)構(gòu)稀疏表示的高光譜圖像解混》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、織械換娜ｎ碩古學(xué)位論文Ｉ．靡Ｉ基于結(jié)構(gòu)稀疏表示的髙光譜圖像解漏｜作者姓名李殊瑤巧導(dǎo)教師姓名、職稱石光明教按＾ｋ申巧學(xué)位類別工舉碩±學(xué)校代碼10701學(xué)號1302121165分類號TP751密級公開西安電子科技大學(xué)碩士學(xué)位論文基于結(jié)構(gòu)稀疏表示的高光譜圖像解混作者姓名：李殊瑤一級學(xué)科：信息與通信工程二級學(xué)科：智能信息處理學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：石光明教授學(xué)院：電子工程學(xué)院提交日期：2015年11月HyperspectralImageUnmixingviaStructuralSparseRepresentationAthe

2、sissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinIntelligentInformationProcessingByLiShuyaoSupervisor:ShiGuangmingProfessorNovember2015西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研充工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標(biāo)注和致謝中所羅列的內(nèi)容外，論文中不包

3、含其他人己經(jīng)發(fā)表或撰寫過的研究成果；也不包含一為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我同工表示了謝意。作的同事對本研巧所做的任何貢獻(xiàn)均己在論文中作了明確的說明并一。學(xué)位論文若有不實之處，本人承擔(dān)切法律責(zé)任東珠審２＾分。．Ｗ：：日期本人簽名西安電子科技大學(xué)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(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研巧生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文，允許采用影的復(fù)印件，允許查閱、借閱論文；學(xué)校可Ｗ公布論文的全部或部分內(nèi)容印、縮印或其

4、它復(fù)制手段保存論文。同時本人保證，結(jié)合學(xué)位論文研巧成果完成的論文。、發(fā)明專利等成果，署名單位為西安電子科技大學(xué)保密的學(xué)位論文在。＿＿年解密后適用本授權(quán)書《球誠；本人簽名：導(dǎo)師簽名皆日期；２＾化．＾文、日期：摘要摘要高光譜解混是高光譜數(shù)據(jù)理解中的一個重要問題。它旨在將光譜成像儀收集到的混合光譜信號用純凈光譜成分（端元）的疊加來表示，對應(yīng)的權(quán)重就是所求的豐度向量。線性高光譜解混是比較流行的一種解混建模方法，它假設(shè)端元之間的相互作用是線性的，這樣就使對混合像元建模變得簡潔，并且使解決方案不依賴于觀測到的物質(zhì)的物理特征。然而，線性高光譜解混方法也存在一

5、定的問題。首先，由于空間分辨率不足的局限以及混合物質(zhì)普遍存在的現(xiàn)象，在高光譜圖像數(shù)據(jù)中不可能找到完全純凈的物質(zhì)信號（端元）。其次，線性混疊模型本身并不包含空間信息，事實上，空間信息和譜間信息是解決高光譜解混問題的重要信息來源。本文對基于光譜庫的高光譜圖像解混算法進(jìn)行了系統(tǒng)的研究，光譜庫中的數(shù)據(jù)是在地面或者實驗室中收集得到的，這樣就避免了從觀測數(shù)據(jù)中提取端元信號。隨著光譜庫的廣泛應(yīng)用，高光譜解混問題需要對更有效的稀疏正則化方法進(jìn)行研究，由此產(chǎn)生的方法叫做稀疏解混，這是高光譜解混中的一個全新領(lǐng)域。本文所取得的主要研究成果為：1.我們對高光譜圖像具有非局部相似性這一特點進(jìn)行了深入的研

6、究，提出了一種基于結(jié)構(gòu)稀疏的高光譜圖像解混算法。該算法的核心思想是把高光譜圖像的結(jié)構(gòu)稀疏性這一特點作為先驗信息應(yīng)用到線性稀疏解混模型中。相比于傳統(tǒng)的范數(shù)模型，結(jié)1構(gòu)稀疏約束更充分地運(yùn)用先驗信息，比如光譜圖像的空間信息和譜線的非局部自相似性等信息。實驗結(jié)果也表明，相比于其他算法，該算法的解混效果明顯提高。2.通過對高光譜圖像低秩特性的研究，把結(jié)構(gòu)稀疏與低秩逼近理論相結(jié)合，提出一種基于低秩逼近的高光譜圖像解混算法，低秩約束的加入既充分利用高光譜圖像的非局部自相似性，同時提高豐度向量的稀疏性。仿真實驗定量地驗證了該算法的有效性和可靠性。關(guān)鍵詞：高光譜圖像解混，豐度估計，非局部自相似性

7、，結(jié)構(gòu)稀疏表示，低秩方法IABSTRACTABSTRACTSpectralunmixingisanimportantprobleminhyperspectraldataexploitation.Itamountsatcharacterizingthemixedspectralsignaturescollectedbyanimaginginstrumentintheformofacombinationofpurespectralconstituents(endmembers),weighted