高光譜圖像降維及端元提取算法的研究.pdf

1、遙感(Remote Sensing)屬于對(duì)地觀測(cè)綜合性技術(shù)，興起于20世紀(jì)60年代，隨著空間及電子計(jì)算機(jī)等技術(shù)的發(fā)展，已在眾多領(lǐng)域中得到廣泛的應(yīng)用，如農(nóng)業(yè)、海洋、地質(zhì)、軍事等。發(fā)展至今，農(nóng)業(yè)研究已邁入了新階段，將遙感技術(shù)引入到農(nóng)業(yè)監(jiān)測(cè)工作中，可以幫助科學(xué)化農(nóng)業(yè)決策邁入一個(gè)全新的高度，提供更高質(zhì)量的農(nóng)業(yè)生產(chǎn)服務(wù)。迄今為止，在監(jiān)測(cè)作物長(zhǎng)勢(shì)、評(píng)估災(zāi)害及估計(jì)產(chǎn)量等領(lǐng)域，現(xiàn)代農(nóng)業(yè)遙感技術(shù)的成績(jī)十分顯著，但在農(nóng)業(yè)災(zāi)害監(jiān)測(cè)和產(chǎn)量評(píng)估方面仍缺乏有效手段

2、，農(nóng)作物分類正是使這些方面成為可能的重要環(huán)節(jié)。作為遙感技術(shù)中的拓展，高光譜遙感技術(shù)已在農(nóng)業(yè)遙感的前沿技術(shù)手段中占有一席之地?？紤]到高光譜數(shù)據(jù)維數(shù)過高，直接用于分類會(huì)導(dǎo)致耗時(shí)長(zhǎng)、分類精度低等問題，需在分類前對(duì)高光譜數(shù)據(jù)進(jìn)行預(yù)處理。本文以此為出發(fā)點(diǎn)做進(jìn)一步的研究。
　　本文總結(jié)了前人的研究成果，針對(duì)蒙特卡羅降維算法采樣大量隨機(jī)樣本耗時(shí)較長(zhǎng)的問題，引入禁忌搜索優(yōu)化算法，采用類內(nèi)緊性與類間分離性系數(shù)(Compactness-Separat

3、ion Coefficient, CS Coefficient)作為適應(yīng)度函數(shù)，對(duì)高光譜數(shù)據(jù)進(jìn)行降維，通過實(shí)驗(yàn)仿真驗(yàn)證，本文算法降維時(shí)間、特征波段數(shù)及分類精度方面均優(yōu)于蒙特卡羅降維算法。根據(jù)混合像元的存在，會(huì)影響高光譜圖像的地物識(shí)別精度，本文對(duì)N-FIDNR端元提取算法和基于高維單形體體積的端元提取算法進(jìn)行研究。提出兩種基于端元獨(dú)立性和細(xì)化思想改進(jìn)的端元提取算法。利用端元兩兩之間相互獨(dú)立的特性，將端元獨(dú)立性引入端元提取算法中。引入細(xì)化思