论文部分内容阅读
随着高光谱成像技术迅速发展,遥感高光谱图像已广泛应用于环境监测、目标探测、矿物勘探等方面。然而,由于高光谱成像空间分辨率较低,高光谱遥感图像中的像元并非为单一纯物质像元,往往像元中包含多种物质。因此,需要对高光谱数据进行解混,分解出图像中所包含纯物质(端元)以及其对应的含量系数(丰度)。高光谱解混是一种盲源分离问题,由于信息不充分,属于不适定问题。为了尽可能获得更多的先验信息,本文挖掘了高光谱图像的空间信息,利用空间信息与光谱先验,研究建立空谱联合的多约束NMF解混模型,以期获得更准确的解混结果。本文围绕高光谱非负矩阵分解(NMF)的解混框架,在光谱信息约束的基础上,充分挖掘空-谱信息,提出了两个基于空谱联合先验的高光谱图像非负矩阵分解解混算法。本文的主要工作和研究成果分别为:(1)研究了基于光谱信息约束的高光谱NMF解混算法,分析总结了各个NMF解混模型的机理和优劣,并对算法的解混性能进行对比分析。(2)提出了一种基于空间梯度域群稀疏先验的非负矩阵分解解混方法。结合高光谱图像空间的分片光滑特性、端元的几何特性和丰度稀疏性,提出了空间梯度域群稀疏约束优化NMF解混模型(SGSCNMF)。模型将丰度图梯度域群稀疏性约束项,端元光谱最小距离约束项和丰度混合范数稀疏性约束项加入NMF解混框架,采用交替方向乘子法(ADMM)对该模型进行求解。模拟和真实实验均证明了:本方法相较于仅基于光谱信息约束的NMF,具有更高的解混精度。(3)针对于高光谱图像的空间相关性,构造了一种基于空间加权因子的新型丰度稀疏正则项,设计了空间加权稀疏约束优化NMF解混方法(SWeSCNMF)。该方法在NMF解混框架下,结合端元几何约束项、丰度稀疏特性约束,构造一个改进的多约束优化模型。最后基于ADMM模型优化解混算法。通过实验对比,证明了本方法可取得更好的解混结果。(4)设计了一个高光谱图像解混算法集成系统。该系统集成了本文中所述六种算法,并且设计了解混处理模块、数据分析模块以及可视化模块三大核心模块,实现了集算法处理与算法结果分析可视化为一体的目标。