隨著經(jīng)濟社會的發(fā)展,城市環(huán)境與自然環(huán)境在組成成分和空間結(jié)構(gòu)上愈發(fā)復(fù)雜,與此同時遙感信息挖掘的精度要求也逐漸提高,這對高光譜混合像元分解研究提出了新的挑戰(zhàn),傳統(tǒng)的線性光譜解混無法滿足精確地物信息提取的要求,非線性光譜解混方法成為研究的熱點方向。隨著解混要求的提高,高階的非線性作用在解混中越來越被重視。為了描述場景中的高階混合作用,光譜混合模型復(fù)雜度增加,模型參數(shù)量變大,例如p-Linear光譜混合模型。因而,高階的光譜混合模型在獲得完備表達能力的同時,也為豐度反演帶來了困難。在此背景下,本文主要探討了基于高階光譜混合模型進行豐度反演將會遇到的問題,并提出了相應(yīng)的解決方案;此外,為了更完備地表達視場中的非線性混合,本文提出了一種新的高階非線性光譜混合模型。本論文的主要研究成果包括:1.正則化p-Linear非線性解混算法(Normalized p-Linear Algorithm,NPLA)2.整合空間信息的高階非線性解混算法(Integrating Spatial Information in the Normalized P-Linear Algorithm,SSDP-NPLA)3.基于多調(diào)和函數(shù)的多項式非線性光譜混合模型(Multi-Harmonic Postnonlinear Mixing Model,MHPNMM)首先,本文提出了兩種非線性高光譜混合像元分解算法,以提高高階非線性光譜混合模型的反演精度和魯棒性,以p-Linear模型為基礎(chǔ),本文研究工作的重點是在解混中添加先驗信息以降低模型的過擬合現(xiàn)象。NPLA算法通過直接對模型的線性與非線性參數(shù)進行二范數(shù)約束,并將問題納入到凸優(yōu)化框架進行求解;SSDP-NPLA算法則在解混前先進行非監(jiān)督聚類,然后參數(shù)反演時采取了局部參數(shù)共享的策略考慮圖像內(nèi)部的空間相關(guān)性,最后聯(lián)合線性與非線性參數(shù)估計豐度。進而,本文提出了一種新的高階光譜混合模型以提高模型對場景中光譜混合的表達能力,該模型稱為MHPNMM模型,它利用非線性映射對局部緊密混合進行建模,同時假設(shè)視場中局部的緊密混合會因多次散射疊加。本文利用模擬數(shù)據(jù)實驗和真實數(shù)據(jù)實驗分別對提出的三個新方法進行了驗證,結(jié)果證明這三種方法相比傳統(tǒng)方法均能提高高光譜混合像元分解的精度。
【學(xué)位單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P237
【部分圖文】：

景技術(shù)的發(fā)展，傳統(tǒng)多光譜遙感在以像元為單位的信息，但是混合像元的存在，降低了遙感分類和基于遙感譜遙感由于其在連續(xù)譜段上的成像能力，能在較窄的達數(shù)百個、光譜分辨率達到納米級，可使遙感研究由獲取的地面反射或發(fā)射光譜信號是以像元為單位記錄質(zhì)光譜信號的綜合[1]。影像像元所覆蓋的地表，一般的覆蓋類型[1]。由于像元僅僅以一個數(shù)值信號記錄這像元包含一種地表覆蓋類型時，該像元被稱為純像元一地表類型的光譜響應(yīng)特征，若該像元包含不止一種合像元[1,2]�；旌舷裨涗浀男盘柺嵌喾N地表覆蓋類如圖 1.1 所示。

圖 2.1 光譜在波段上展開成單純形于上述關(guān)系，可以將一個像素的 p-Linear 混合光譜表達為如下線性 ,, ,1 1, 1,...,M 1,...,[ ]1tan02k nk n nt tk tt tM n n Ml l k n Nl l tn tl l lAif t nif t notherwiseb b y A y b, 1 ,..., 1 t tk t N ， 1 ,..., t N t；當 t 1時，11ttu N 1時，0t 。求解（2.7）式，可以直接用奇異值分解的方法進行求

圖 2.2 NPLA 非線性解混算法流程圖基于 NPLA 的解混過程涉及對最優(yōu)平衡參數(shù) 與 的確定，為此我們設(shè)計了兩個版本的 NPLA 算法：第一種是通過多次實驗確定相對最合適的值，然后在之后的實驗中直接使用這個值，通過多次實驗發(fā)現(xiàn) 0.5, 0.08相對合適，故在解混過程中可以直接設(shè)置該平衡參數(shù)的值，然后逐個像元進行求解；第二種是為每個像元搜索最佳參數(shù)組合，搜索過程基于格網(wǎng)搜索的方式，搜索中心根據(jù)鄰接像元的參數(shù)值確定，其搜索范圍為 0.0001-100。該搜索過程是逐個像元的，逐像元進行搜索可以保證對于每個像元都是最優(yōu)的參數(shù)組合。算法 1 NPLA 的非線性解混算法(尋參版本)1: 輸入圖像，給定正則項參數(shù)的搜索范圍2: loop

【參考文獻】

相關(guān)博士學(xué)位論文 前1條

1 張兵;時空信息輔助下的高光譜數(shù)據(jù)挖掘[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

本文編號：2822872