高光譜圖像解混是高光譜圖像處理領(lǐng)域的重要研究方向,高光譜圖像中包含了不同地物的地理分布信息及光譜信息,如何從高光譜圖像中獲取不同地物的端元光譜和豐度圖成為高光譜圖像的研究熱點。本論文通過閱讀大量的國內(nèi)外文獻資料,一方面分析了仿生智能優(yōu)化算法的工作原理,并對仿生智能優(yōu)化算法中的回溯搜索算法進行了改進,使其擁有更好的優(yōu)化性能;一方面總結(jié)了不同的高光譜圖像解混算法,并分析了不同解混算法的優(yōu)缺點,本文從算法易于實現(xiàn)的角度出發(fā),提出了一種基于仿生智能優(yōu)化的高光譜圖像解混算法。本論文從高光譜圖像解混的研究背景及意義出發(fā),介紹了高光譜圖像的典型混合模型,總結(jié)了不同的高光譜圖像解混算法,簡單的對仿生智能優(yōu)化算法進行了介紹,并詳細的分析了回溯搜索算法的工作原理。本論文的主要工作如下:（1）對回溯搜索算法進行了改進,提出了基于種群控制因子和最優(yōu)學習策略的回溯搜索算法。回溯搜索算法具有良好的全局搜索性能,但依然存在著前期收斂速度慢和后期收斂精度低的缺點。為此,本論文首先通過添加種群控制因子來控制種群的搜索方向,以此來加快算法的收斂速度和提高算法跳出局部最優(yōu)的能力;其次提出了基于最優(yōu)個體的學習方程,劣勢群體將... 

【文章來源】：河北工業(yè)大學天津市 211工程院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

高光譜圖像

基于仿生智能優(yōu)化的高光譜圖像解混算法研究2圖1.2混合像元高光譜圖像中混合像元的存在嚴重影響了我們對地物的分類，如何從已知的高光譜遙感數(shù)據(jù)中獲取不同地物的地面分布情況以及不同地物的光譜曲線，這個過程就是高光譜圖像解混[3]。高光譜圖像解混主要包括以下兩個研究方面：（1）從混合像元中提取到不同地物的光譜曲線，即端元；（2）求解出不同地物在混合像元中所占的比例，即豐度。圖1.3給出了高光譜圖像解混的基本框圖。圖1.3高光譜圖像解混基本框圖高光譜圖像解混作為高光譜圖像處理領(lǐng)域的熱門研究方向，成熟的解混算法不僅可以獲取不同地物的光譜曲線，而且還可以得到不同地物在特定區(qū)域的地面分布情況，從而更好的了解地物的組成與分布。成熟的解混技術(shù)會促使我國農(nóng)業(yè)生產(chǎn)、環(huán)境監(jiān)測、軍事競賽、地質(zhì)勘測等行業(yè)的發(fā)展，因此實現(xiàn)高光譜圖像的精確解混具有重大的現(xiàn)實意義。1.2高光譜圖像解混的研究現(xiàn)狀高光譜圖像解混包括端元的提取和豐度的求解，解混算法可以分為線性解混算法水植被巖石++波段反射率混合像元光譜組成

HYDICE三維立體彩色圖

【參考文獻】：
期刊論文
[1]基于去噪降維和蝙蝠優(yōu)化的高光譜圖像盲解混算法[J]. 賈志成,薛允艷,陳雷,郭艷菊,許浩達.  光子學報. 2016(05)
[2]基于改進回溯搜索優(yōu)化算法的應(yīng)急資源調(diào)度[J]. 陳曦,劉三陽,王巖.  計算機應(yīng)用與軟件. 2015(12)
[3]基于回溯搜索算法的決策粗糙集屬性約簡[J]. 張智磊,劉三陽.  計算機工程與應(yīng)用. 2016(10)
[4]基于差分進化的回溯搜索優(yōu)化算法研究與改進[J]. 田文凱,劉三陽,王曉娟.  計算機應(yīng)用研究. 2015(06)
[5]具有廣泛學習策略的回溯搜索優(yōu)化算法[J]. 李牧東,趙輝,翁興偉.  系統(tǒng)工程與電子技術(shù). 2015(04)
[6]帶高效變異尺度系數(shù)和貪婪交叉策略的回溯搜索優(yōu)化算法[J]. 王曉娟,劉三陽,田文凱.  計算機應(yīng)用. 2014(09)
[7]基于時間可預(yù)測性的差分搜索盲信號分離算法[J]. 陳雷,張立毅,郭艷菊,黃勇,梁靜毅.  通信學報. 2014(06)
[8]基于流形學習和空間信息的改進N-FINDR端元提取算法[J]. 唐曉燕,高昆,倪國強,朱振宇,程顥波.  光譜學與光譜分析. 2013(09)
[9]人工蜂群算法在圖像分割中的應(yīng)用研究[J]. 梁建慧,馬苗.  計算機工程與應(yīng)用. 2012(08)
[10]非監(jiān)督的高光譜混合像元非線性分解方法[J]. 厲小潤,伍小明,趙遼英.  浙江大學學報(工學版). 2011(04)



本文編號：3485087