基于混合像元分解的高光谱图像去雾方法的研究-光学工程专业论文.docxVIP

研究生优秀毕业论文 声 声 明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学 位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布 过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的 材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明 确的说明。 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上 网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权 其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文， 按保密的有关规定和程序处理。 研究生签名： 硕士学位论文 硕士学位论文 基于混合像元分解的高光谱图像去雾方法的研究 摘 要 高光谱遥感具有高光谱分辨率、图谱合一、光谱波段多、在某一光谱段范围内连续 成像的突出特点，因此可以利用完整的光谱曲线记录所观测到的各种地物信息，已经广 泛的应用于地质学、植被生态学、大气、土壤、水环境遥感等领域。但是在成像过程中 高光谱图像依然会因为诸多因素的干扰而受到诸多制约。云雾就是其中主要的影响因 素。它们的存在干扰大气中可见光和红外线的传播，使得大气能见度降低，严重影响了 光学设备的正常运行，使得光学遥感平台获取的高光谱图像模糊不清，无法从中得到准 确的地物信息。因此我们需要找到一种有效的高光谱图像去雾方法使得高光谱遥感成像 技术更好的发展。 本文详细介绍了高光谱图像混合像元分解理论，建立了薄雾下的混合像元分解模 型，实验比较分析了3种经典端元提取算法(PPI、VCA、ArGP)以及四种基于最小二 乘的丰度反演方法。本文对非负矩阵分解的理论进行了详细介绍，在此基础上提出了基 于小体积约束的非负矩阵分解(MVC．NMF)图像去雾方法，实验表明该方法可以实现 很好的去雾效果。最后介绍了支持向量机理论和支持向量数据描述理论，因为传统的高 光谱图像混合像元分解技术在进行端元提取时忽略了图像中未知端元的影响，在此理论 的基础上提出了一种基于支持向量数据描述(SVDD)的高光谱图像去雾方法，最后用 该算法对高光谱图像进行了实验研究以及结果分析。 关键词：高光谱，混合像元分解， 端元提取，丰度反演，Mvc．NMF，svDD Abstrad Abstrad 硕士学位论文 Abstract HyperspectraIremote sensing has high spectraI res01ution，map—one，m_ulti—spec仃a1 ballds and within a姗ge of continuous spectral imaging segment．Therefore we can use the curVe of f．ull spec咖to recode the obseⅣed variety of f色ature info衄ation．HyperSpectral remote sensing haS been诵dely印plied in the field ofgeology，Vegetation ec0109y，air，soil aIld water environmental．However， hyperspectral image will still be interfbred by many f配tors d砸ng imaing．Cloud a11d fog the main factors．7Ihey interfere with the propagation of Visible Iight aIld inf两『ed in atITlosphere，reduce the atmospheric Visibilit)r，a11d seriously a虢ct me noHrIal operation of optical deVice．In addition， they ma：ke the optical remote sensing platfo咖s to acquire blun℃d hyperspectral images，result in that we call’t deriVe accurate feature inf’0nnation．Therefore aIl ef．