高光谱遥感图像端元提取算法研究与系统实现-电子与通信工程专业论文.docxVIP

摘 摘 要 I 万方数据 万方数据 万方数据 万方数据 摘 要 高光谱遥感是近些年来遥感领域发展的一个重要方向，高光谱遥感是通过航 空航天飞行器上携带的光谱成像仪对地面进行拍摄，得到一片地面区域的数百个 甚至数千个极其狭窄的波段影像。这样，对于成像范围内的任何一个像元，就可 以绘制出一条近乎连续的光谱曲线，这可以用来和已有的光谱曲线数据库进行比 对，得到地物的类型或成分。 然而，由于光谱成像仪的空间分辨率有限，实际成像中，一个像元对应地面 一个区域，而这一个区域有可能是由多种物质混合而成，因此不能对像元进行直 接分析，需要进行解混。解混的目的就是计算出组成该混合像元中不同纯物质的 组成比例。 要进行解混，就首先要进行纯物质的提取，在高光谱遥感中，纯物质也被叫 做端元。端元在不同的遥感图像中一般是不同的，因此有必要通过一种合理的方 法将端元从给定的遥感图像中准确的提取出来。 本文分析了当前主流的几种端元提取算法，例如纯像元指数算法，N-FINDR 算法，单形体体积法等，并重点研究了纯像元指数算法。纯像元指数算法的运算 时间复杂度很高，这大大限制了在航空航天领域需要实时处理的应用。因此本文 在对纯像元指数算法的研究中，提出了矩阵乘法的一种优化结构，经过优化后的 结构，具有了并行性，适合在硬件电路上进行实现。 在硬件系统的实现上，本文采用了 Xilinx 公司的 ZYNQ 片上系统平台，在单 芯片上进行软硬件协同开发，将纯像元指数算法的核心步骤放在了数字逻辑电路 上进行，大大提高了运行速度。在设计的过程中，对存储器结构进行了深入的优 化，添加了流水处理机制，并使用高级语言综合工具进行设计，使得处理速度得 到了明显的提高。经过实际测试，本文实现的硬件结构的运算速度比 PC 机上的软 件提高了 400 倍以上。与国际上对该算法在硬件电路上实现的最新结果相比，本 文的结果也具有非常显著的优势。 关键词：高光谱遥感，端元提取，纯像元指数，片上系统，并行计算 PAGE IV高光谱遥感图像端元提取 PAGE IV 高光谱遥感图像端元提取算法研究与系统实现 Abstr Abstract III Abstract Hyperspectral remote sensing is an important branch in this field. Hyperspectral imaging is a technique that has been widely used during recent years in the Earth and planetary remote sensing. Hyperspectral imaging generates images with hundreds or thousands of spectral bands, at different wavelength channels, for the same area on the surface of the Earth. Hyperspectral data is often used to determine what materials are present in a scene. Each pixel of a hyperpsectral image could be compared to a material database to determine the type of material making up the pixel. However, many hyperspectral imaging devices have low resolution causing each pixel to be a mixture of several materials. The process of unmixing one of these “mixed” pixels is called hyperspectral image unmixing or simply hyperspectral unmixing. There are many algorithms to unmix hyperspectral data. Many algorithms assume that pure pixels are present in a scene also called “spectral endmembers”. Endmembers is variable for different hyperspectral image. So it is necessary to find a suitable way for end