高光谱影像混合像元分解及其亚象元定位.pdfVIP

Mixed Pixel Unmixing and Sub-pixel Mapping on Hyperspectral Imagery A Dissertation Submitted for the Degree of Master Candidate：He Xiaoning Supervisor：Prof. Cao Jiannong Chang’an University, Xi’an, China 摘要 随着高分辨率遥感卫星的发射，海量遥感影像获得，但是实时分析处理能力欠缺， 其中最欠缺的是各种有效的算法。对于高光谱遥感影像，急需要解决的一个问题便是 混合像元分解，其直接制约了影像的实际应用。但仅仅解决混合像元问题是不够的， 其只能获得端元丰度图，不能确定亚象元的空间位置分布，因此还需要解决亚象元定 位问题。至此，高光谱影像才能真正得到普遍应用。 本文阐述了高光谱遥感的基本概念；研究了高光谱图像的特点；总结了现有的混 合像元分解技术，并着重分析研究了几种常见的端元提取算法；同时也总结了现有的 亚象元定位技术，并用程序实现了一种亚象元定位算法。最后，通过总结研究现有的 高光谱混合像元分解技术，提出了基于顶点成分分析的端元优化算法。 顶点成分分析算法 （VCA ）的本质是一种纯数学方法，具有良好的理论基础，取 得了良好效果。但是VCA 算法具有三方面缺陷：没有考虑图像空间信息，对于噪声较 大的高光谱图像其有效性可能会降低；算法需要预先确定端元数目，但是预先确定正 确的端元数目很困难；VCA 算法多次运行结果不稳定。针对以上问题，本文提出改进 VCA 的算法(Improve-VCA)，其指定候选端元数，用候选端元区间的迭代计算、结合 图像空间信息以及病态矩阵规避的优化机制，实现了VCA 算法的改进。 为定量评价算法，充分印证本文算法思想的正确性与有效性，模拟生成了高光谱 数据，对常用的端元提取算法(N-FINDR 、SGA 、VCA 、ACEEHIIU)及本文算法 (Improve-VCA)进行同条件对比实验与检验，并进行严格的定量分析和说明。定量研 究指标采用平均光谱角mSAD 、平均光谱信息散度mSID 、组分平均夹角mAAD 以及 丰度反演得到的组分总体均方根误差 mARMSE 进行综合评价和分析。通过对比分析 可知，本文算法能够自动确定端元数目，准确提取端元，在很多方面可以和常用的端 元提取算法相媲美，甚至在某些方面更优于常用的端元提取算法。 最后，本文用代码实现了一种基于正则MAP 模型的高光谱影像亚象元定位算法， 对亚象元定位进行了初探，为以后的研究奠定了基础。 关键词：高光谱图像，混合像元分解，端元提取，顶点成分分析，亚象元定位 I Abstract With high-resolution remote sensing satellites are launched, massive remote sensing image is obtained, but we lack real-time analysis and processing ability, one of the most deficient are all kinds of efficient algorithms. For hyperspectral remote sensing image, mixed pixel decomposition is the most urgent to solve the problem, which directly restricts the practical application of the image. But it is not enough to solve the problem of mixed pixels, it can only get the e