高光谱图像多端元解混方法研究.pdfVIP

高光谱图像多端元解混方法研究

摘要

高光谱图像因其具有较高的光谱分辨率而被广泛应用于植被监测、矿产勘查、城市

调查和军事侦察等领域。但由于成像传感器的空间分辨率有限以及自然因素引起的光谱

混合效应，高光谱图像中普遍存在由多种地物光谱叠加而成的混合像元，这限制了高光

谱图像信息的深入挖掘和精准应用。为深入分析混合像元，高光谱图像解混方法应运而

生，该方法主要目标是从高光谱图像提取出纯净物质光谱（端元）并估计其在混合像元

光谱中所占比例（丰度）。高光谱图像解混方法的发展有力的促进了图像融合、亚像元

定位和超分辨率复原等其他方法手段性能的提升。高光谱图像解混方法可分为单端元解

混方法和多端元解混方法。传统的单端元解混方法提取单一固定端元代表一类地物光谱

特征，解混精度较低。这是因为图像地理跨度及复杂的反射和散射等因素引起同类端元

光谱变化，即存在端元光谱可变性现象。多端元解混方法利用多个变化的端元代表一类

地物光谱特征，较好地反映了端元光谱可变性。本文以高光谱图像多端元解混方法为研

究对象，以高光谱图像多端元解混过程为线索，重点研究了多端元提取、多端元丰度估

计和多端元解混不确定性分析等问题，具体研究内容简述如下：

1、针对传统多端元提取方法未能同时充分利用高光谱图像光谱信息与空间信息，

并且先提取端元再进行聚类的做法容易引起误分类等问题，本文提出一种基于概率输出

支持向量机的自动端元束提取方法。该方法首先从原始高光谱图像中随机选择一定比例

像元构成随机图像子集。然后利用顶点成分分析算法提取端元，同时将提取端元的邻域

像元作为候选端元，并利用概率输出支持向量机算法判断候选端元的概率估计值，将概

率估计值大于阈值的候选端元提取为端元。最后，重复上述两个过程若干次，获得多端

元集合。本文提出的多端元提取方法充分利用了像元光谱特征信息和空间邻域信息，在

提取端元的同时进行分类，解决了误分类问题。

2、针对传统稀疏解混算法存在多端元模型含义不清，空间信息利用不足，估计丰

度稀疏性有限等问题，本文提出一种基于分数混合范数和空间约束的群稀疏多端元解混

算法。由于多端元提取方法所提取的端元具有群结构，因而采用稀疏解混方法估计的丰

度也具有群结构。本文采用分数混合范数对具有群结构的丰度矩阵进行稀疏诱导，

G,1,q

0q1

其中范数诱导丰度群内系数稀疏，范数（）诱导丰度群稀疏。同时，考虑

1q

到丰度空间分布的平滑性，将总变分（totalvariation，TV）正则化约束引入到解混

G,1,q

框架。相比传统稀疏解混算法，稀疏增强约束和TV空间正则约束提高了丰度估计

G,1,q

I

哈尔滨工程大学博士学位论文

精度。此外，为提出的算法设计了高效的交替方向乘子法（AlternatingDirectionMethod

ofMultipliers，ADMM）求解算法。

3、针对传统机器学习解混算法训练样本获取较难且计算效率较低等问题，本文提

出一种基于最小二乘孪生支持向量机的多端元解混算法。该算法利用多端元提取方法所

提取的端元作为训练样本，获得两个非平行分类超平面方程，进一步通过计算混合像元

到分类超平面的距离而获得丰度。本文提出的算法属于小样本机器学习方法，通过求解

最小二乘形式的二次优化问题，建立训练样本（输入）和估计丰度（输出）的闭式求解

关系，兼顾解混精度和效率。

4、解混不确定性广泛存在于各种多端元解混模型中，但这一问题常常被忽略，本

文以最小二乘孪生支持向量机解混算法为例，针对多端元解混中存在的不确定性展开研

wit