融合高維簡單線性迭代聚類的高光譜混合像元分解策略.pdf

1、高光譜遙感圖像分辨率高，具有圖譜合一的特性，現(xiàn)已得到廣泛應(yīng)用。但是高光譜圖像中的混合像元問題廣泛存在，嚴重制約著高光譜圖像的分割效率，一直是遙感應(yīng)用研究的難點和熱點。目前常見的端元提取算法有：純像元指數(shù)、交替最大體積法、最小封閉體積單形體等，這些算法可以從圖像所有像元中提取純光譜，但是提取速度慢、精度低。本文主要研究內(nèi)容如下：
　　首先，本文引入簡單線性迭代聚類的超像元分割算法（ simple linear iterative c

2、lustering，SLIC），它是根據(jù)顏色和距離的相似度進行超像元分割，然后進行提取端元，大大提高了混合像元分解的速度，但其只能分割三個波段的圖像，所以需要對高光譜圖像進行降維壓縮，從而降低了高光譜圖像的精度。
　　然后，針對SLIC算法存在的問題，本文提出了高維簡單線性迭代聚類的超像元分割算法（high dimension simple linear iterative clustering，H-SLIC），該算法對SLIC算

3、法進行了改進，它是基于波段信息和位置信息的相似度進行超像元分割，并且該算法可以處理多波段的高光譜圖像，無需對高光譜圖像進行降維處理，大大提高了圖像分割的精度。
　　最后，本文通過模擬數(shù)據(jù)和實際數(shù)據(jù)實驗驗證了 SLIC和 H-SLIC算法對混合像元分解速度和精度的影響，比較了不同參數(shù)下這兩種算法進行混合像元分解的合理性和有效性，并通過光譜角和均方根誤差對比驗證了這兩種算法，得出H-SLIC超像元分割算法克服了多波段高光譜圖像分割的問