端元光谱自动提取的总体最小二乘迭代分解.pdfVIP

端元光谱自动提取的总体最小二乘迭代分解.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
维普资讯 第 33卷 第 5期 武 汉 大 学 学 报 ·信 息 科 学 版 Vo1.33NO.5 2008年 5月 GeomaticsandInformationScienceofWuhanUniversity M ay2008 文章编号 :1671—8860(2008)05—045704 文献标志码 :A 端元光谱 自动提取的总体最小二乘迭代分解 吴 波 汪小钦 张 良培。 (1 福州大学空间数据挖掘与信息共享教育部重点实验室 ,福州市工业路 523号 ,350002) (2 福州大学福建省空间信息工程研究中心,福州市工业路 523号,350002) (3 武汉大学测绘遥感信息工程 国家重点实验室 ,武汉市珞喻路 129号 ,430079) 摘 要 :根据总体最小二乘(totalleastsquares,TIS)模型理论 ,提 出了一种影像端元光谱可受噪声污染的混 合光谱线性扩展模型,并实现 了该模型的端元光谱 自动迭代提取 以及混合像元 的限定性分解。实验结果表 明,扩展 的混合像元分解模型 明显优于传统 的最小二乘分解模 型,总体精度大约提高了 1O ~2O 。 关键词 :总体最小二乘;混合像元 ;端元光谱 ;迭代分解 中图法分类号 :P237.3;P207、2 混合像元 自动分解通常借助于最小二乘算法 的最优估计 : 迭代获取端元光谱和求解端元的组分 比l1]。由于 minllnll}一 ll 一rll}一 (Sa—r) (Sa—r) 端元光谱值的微小变动可能造成组分 比估计的巨 (2) 大偏差 ],因而传统 的端元光谱 自动选取及其分 由于线性混合像元模型需要假设误差仅在像 解方法存在一定的局限性 。为此 ,国内外研究人 元光谱矢量 r中存在 ,而端元光谱矩阵Js是完全 员提 出利用总体最小二乘算法来处理这个 问 准确的,且影像端元光谱也是像元光谱矢量 ,因 题 [3],取得 了比传统方法更好 的效果 。但 以前 此,假设端元光谱没有随机误差是不符合实际情 的研究都是基于模拟数据 ,采用矩阵分解的方法 况的。所 以,传统 的线性光谱混合模型及其最小 实现混合像元分解的,并且没有涉及到端元光谱 二乘方法分解算法都只是一种近似的处理方法。 提取的问题。本文从端元光谱 自动提取的角度提 如果能够在混合光谱模型内刻画出端元光谱伴有 出了基于总体最小二乘 (TLS)迭代算法的端元光 随机误差 ,必将改善传统 的光谱混合模型。 谱 自动提取的混合像元分解。 1.1 总体最小二乘混合光谱模型 如果端元光谱存在随机误差 △s的影响,这 1 TLS线性混合光谱模型的迭代算 等价于端元光谱 Js存在偏差 AS,此时,线性混合 法 模型可以扩展为: (Js+ AS)口一 r+ ,l (3) 设 r是大小为m ×1的像元光谱矢量 ,S一 上面的模型本质是总体最小二乘 (TLS)问 [s,S,…,S]是大小为 m×k的端元光谱矩 阵,口 题 :给定矩 阵 Js∈R 及 Js 的微 小变化 AS∈ 一 [a,a,…, ]是 k维矢量,其各分量元素为对 R ,rER ,求解未知变量 口和EAS ,『1],使得 : 应像元的组分,n为m维随机噪声 ,则线性混合像

您可能关注的文档

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档