基于稀疏約束的高光譜解混技術研究.pdf

1、隨著遙感技術和成像光譜儀的發(fā)展，高光譜遙感圖像在越來越多的領域中得到應用。然而，由于其較低的空間率以及地物分布的復雜性，一個像元往往是由好幾種地物構(gòu)成的，這嚴重阻礙高光譜圖像的實際應用。因而，對高光譜圖像進行混合像元分解就特別有意義了。目前在該研究領域，國內(nèi)外的新方法新思路層出不窮?；谙∈杓s束的高光譜解混問題已經(jīng)成為當今遙感領域的一個熱點，它是一個稀疏回歸問題，目標是在一個較大的光譜庫中尋找能夠表征像元的最優(yōu)光譜子集。但是仍存在著沒有

2、利用圖像的空間信息等缺點，本論文在總結(jié)前人研究成果的基礎上，針對基于稀疏約束的高光譜圖像混合像元分解作了大量研究，主要的研究內(nèi)容如下：
　　首先，闡述了高光譜線性和非線性混合模型，介紹了線性解混的基本步驟，對于端元數(shù)目估計算法、端元提取算法和豐度反演算法進行了逐一地介紹。
　　然后，詳細闡述了基于稀疏約束的高光譜解混模型。它假設混合像元可以被表示成一個已知的光譜庫中各光譜曲線的線性組合。這樣，解混就相當于在光譜庫中尋找能夠表

3、征這個像元的最佳的光譜庫子集。稀疏解混問題本質(zhì)上是 L0范數(shù)的優(yōu)化問題。通常情況下，將L0范數(shù)最小化問題轉(zhuǎn)化為L1范數(shù)最小化問題來解。本文采用變量分裂和增廣拉格朗日算法來進行稀疏解混，它是一種非常快速的方法，并對其正則化參數(shù)和罰參數(shù)的取值進行了研究，以便取得一個相對較優(yōu)的參數(shù)。通過模擬實驗分析了光譜庫的互相關函數(shù)值MC對于解混結(jié)果的影響，得到了一般性的結(jié)論：光譜庫矩陣的互相關函數(shù)值MC越小，稀疏解混的效果越好。
　　最后，深入研究