稀疏解混算法的光谱库简化研究.PDFVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
稀疏解混算法的光谱库简化研究.PDF

稀疏解混算法的光谱库简化研究 林红磊, 张霞, 孙伟超 中国科学院遥感与数字地球研究所 北京市朝阳区大屯路甲 20 号北 (100101) linhoml@163.com 主题词:丰度反演,高光谱图像,稀疏解混,光谱库简化 1.引言 稀疏解混算法旨在从一个光谱库中寻找最优的端元组合来模拟高光谱图像中像元,从而求 得混合像元中各端元的丰度[1]-[2] 。然而,光谱库的高相关性降低了稀疏解混算法的精度及运算 效率。因此本文提出一种光谱库的简化方法,既能减弱光谱库的相关性,又能保证光谱库的相 对完备性,进而提高稀疏解混算法的精度及计算速度。 2.数据 本文选用USGS光谱库中的342条光谱组成光谱库A。从光谱库A中随机选择5种端元分别模拟 不同信噪比水平 (30,40,50dB)的高光谱图像,模拟图像的端元丰度服从于Dirichlet分布。 图1 左图为模拟高光谱图像 (SNR=50dB),右图为内华达铜矿区AVIRIS高光谱数据 图1右图为AVIRIS高光谱图像,去除低信噪比及水强吸收波段,剩余188个波段。本文利用 仿真数据及AVIRIS 图像进行方法的验证。 3.方法 本文提出以图像信息为参考对光谱库进行精简,主要包括以下几个步骤: [3] 1)端元提取。基于端元提取算法 提取高光谱图像中可能存在的端元,组成参考端元集。 2)计算光谱库光谱与参考端元集的光谱角及欧式距离,将光谱角小于t1的光谱组成潜在 端元光谱库B。计算光谱库中两两光谱的光谱角,记录小于t2的光谱组合及其光谱角:①若组 合中两条光谱都属于B,则保留与参考端元集欧式距离最小的光谱;②若组合中其中一条光谱 属于B,则保留属于B的光谱;③若组合中任何一条光谱都不属于B,则保留其中任意一条。 3)对光谱库A进行精简得到光谱库C。 4.实验及结果分析 1)仿真数据验证 表1 不同噪声水平的图像解混精度 平均 RMSE 信噪比/dB 方法 端元 1 端元 2 端元 3 端元 4 端元 5 SunSal_A 7.3549 5.6857 1.2894 0.5748 0.5434 30 SunSal_C 2.4759 4.0502 1.2962 0.6069 0.3512 SunSal_A 2.3131 1.8884 0.4491 0.1710 0.2811 40 SunSal_C 0.8163 1.3010 0.4421 0.2046 0.2393 SunSal_A 0.9276 0.6121 0.1596 0.0524 0.1808 50 SunSal_C 0.2668 0.4211 0.1482 0.0579 0.098

文档评论(0)

tangtianbao1 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档