【摘要】：高光譜遙感圖像通常包含上百個波段的信息,光譜分辨率高。由于地物的復(fù)雜性及遙感器空間分辨率低,因此高光譜圖像中存在著大量的混合像元�；旌舷裨拇嬖趯τ趥鹘y(tǒng)的像元級遙感分類精度以及目標(biāo)檢測會造成一定的誤差與影響,不能真實地反映地物覆蓋情況,混合像元分解是解決上述問題的重要途徑,其中關(guān)鍵步驟是端元提取。此外,由于高光譜圖像數(shù)據(jù)量過多,而MapReduce技術(shù)是一種用于大數(shù)據(jù)量并行處理的編程模型,因此本文研究基于非監(jiān)督分類與凸面幾何學(xué)理論,提取高光譜圖像中的端元并給出并行化實現(xiàn)方案,主要研究的內(nèi)容及成果如下:(1)本文主要針對高光譜圖像端元提取進行研究,將非監(jiān)督分類與端元提取相結(jié)合,提出了基于非監(jiān)督分類與凸面幾何學(xué)理論的高光譜圖像端元提取算法。首先針對圖像上不同地物的光譜信息利用二分K-means聚類算法對高光譜數(shù)據(jù)進行非監(jiān)督分類,按照其物質(zhì)特性將性質(zhì)相近的像元聚在同一類中,同一類中的像元具有相似的光譜特征,而不同類中像元的光譜信息差異較大。其次,使用二分K-means聚類算法對高光譜圖像進行分類,避免了初始聚類中心隨機選取導(dǎo)致分類結(jié)果不同,從而影響端元提取的精確率;同時,根據(jù)光譜信息熵理論,計算并選取每類中光譜信息熵較小的像元加入候選端元集與初始端元集,根據(jù)凸面幾何學(xué)理論,計算單形體體積,體積最大的單形體頂點處的像元為所求端元,以上方法能對高光譜圖像中的端元進行快速、有效的提取。(2)高光譜數(shù)據(jù)量大,傳統(tǒng)的二分K-means聚類算法在對高光譜數(shù)據(jù)進行非監(jiān)督分類時會占用大量的時間以及空間,為解決上述問題,本文提出對二分K-means聚類算法進行并行化處理。另外,在進行單形體體積計算時,由于涉及到大量的矩陣乘法以及行列式的操作,這些操作會占用空間以及算法運行的時間,降低端元提取算法的運行效率,基于以上問題本文提出并行化處理高光譜圖像端元提取的算法,使二分K-means聚類算法與矩陣乘法以及行列式計算均在MapReduce框架下進行并行化處理,并給出并行化方案。實驗結(jié)果表明,對端元提取算法進行并行化處理會加快端元提取算法的時間,使空間使用率降低,同時具有可擴展性。
【圖文】：

圖 2-1 PPI 端元提取算法原理示意圖元指數(shù)算法對高光譜圖像進行端元提取相對簡單，但是也存 算法對高光譜圖像進行端元提取前，需要對高光譜圖像進行投影時操作高光譜圖像的維度，，所以對高光譜圖像進行 PC高光譜圖像的維度會使端元提取的結(jié)果發(fā)生變化；向量隨機選擇會導(dǎo)致端元提取的結(jié)果發(fā)生變化，端元提取的 端元提取算法為監(jiān)督類的端元提取算法，需要先驗知識； 算法是一個半自動的端元提取算法。點成分分析算法析算法（VertexComponentAnalysis，VCA）相比 PPI 算法來的高光譜圖像端元提取算法，VCA 改進了純像元指數(shù)的投影

d 的像元作為第一個候選端元，然后以該候選端元作正交投影形礎(chǔ)尋找第二個候選端元，第二個候選端元到正交向量的d 最大，前一次已提取的端元構(gòu)成的正交向量為基準(zhǔn)，選取d 的像元作為選端元達到設(shè)定的端元數(shù)目值，VCA 算法迭代結(jié)束。在二維空兩個端元如圖 2-2 所示。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前10條

1 曲海成;籍瑞慶;劉萬軍;梁雪劍;;MapReduce模式下高光譜圖像端元提取算法加速[J];中國圖象圖形學(xué)報;2015年07期

2 董文慶;;高光譜圖像特征及分類技術(shù)研究[J];光學(xué)與光電技術(shù);2014年06期

3 楊可明;劉士文;王林偉;楊潔;孫陽陽;何丹丹;;光譜最小信息熵的高光譜影像端元提取算法[J];光譜學(xué)與光譜分析;2014年08期

4 謝雪蓮;李蘭友;;基于云計算的并行K-means聚類算法研究[J];計算機測量與控制;2014年05期

5 孔祥兵;舒寧;龔煈;王凱;;結(jié)合空間和光譜信息的高光譜影像端元光譜自動提取[J];光譜學(xué)與光譜分析;2013年06期

6 趙春暉;齊濱;王玉磊;;一種改進的N-FINDR高光譜端元提取算法[J];電子與信息學(xué)報;2012年02期

7 張兵;孫旭;高連如;楊麗娜;;一種基于離散粒子群優(yōu)化算法的高光譜圖像端元提取方法[J];光譜學(xué)與光譜分析;2011年09期

8 李二森;張保明;宋麗華;余文杰;唐德瑾;;線性混合模型的光譜解混算法綜述[J];測繪科學(xué);2011年05期

9 朱述龍;齊建成;朱寶山;曹聞;;以凸面單體邊界為搜索空間的端元快速提取算法[J];遙感學(xué)報;2010年03期

10 耿修瑞;趙永超;周冠華;;一種利用單形體體積自動提取高光譜圖像端元的算法[J];自然科學(xué)進展;2006年09期

相關(guān)碩士學(xué)位論文 前4條

1 翟銳濤;MapReduce模型下的圖像并行化處理研究[D];西安科技大學(xué);2017年

2 張昆;高光譜圖像光譜解混及端元提取方法研究[D];長安大學(xué);2016年

3 牛貝貝;高光譜遙感影像端元提取算法研究及應(yīng)用[D];中南大學(xué);2014年

4 徐長健;基于小波變換的高光譜溢油圖像壓縮方法的研究[D];大連海事大學(xué);2011年

本文編號：2659718