|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于微分搜索的高光谱图像非线性解混算法 9 A1 z! R" s& ]' M2 N/ x l
摘要:针对线性混合模型在实际高光谱图像解混过程中的局限性,提出一种新的基于微分搜索的非线性高光谱图像解混算法.在广义双线性模型的基础上采用重构误差作为解混的目标函数,将非线性解混问题转化为最优化问题.将目标函数中的待求参数映射为微分搜索过程中的位置变量,利用微分搜索算法对目标函数进行优化求解.在求解过程中,通过执行搜索范围控制等机制满足高光谐图像解混的约束要求,进而求得丰度系数和非线性参数,实现非线性高光谱图像解混.仿真数据和真实遥感数据实验结果表明,所提出的非线性解混算法可以有效克服线性模型下解混算法的局限性,避免了由于使用梯度类优化方法而易陷入局部收敛的问题,较之其它高光谱图像解混算法具有更好的解混精度.( y; @8 I- L0 F( m& h. B2 D! a
关键词:高光谱图像;谱解混;非线性模型;群智能优化;微分搜索算法9 m _& r. e# i2 S
t) o6 I) V: m/ Z0 X
1引言! Y& s4 Z5 i* e" a
高光谱图像解混是高光谱图像分析处理中的一项重要工作,其目的是为了解决高光谱图像拍摄过程中空间分辨率不足的问题,已被广泛应用于遥感学、材料学和显微光谱学等多学科领域".目前,大部分解混算法认为混合像元是端元光谱成分的线性混合[2~4].然而,当高光谱图像场景中存在泥土,植被和水等地物时，光线会在不同地物之间发生反射和相互作用,基于线性混合模型(Linear Mixing Model , LMM)的解混算法效果往往并不理想.应该尝试在非线性混合模型( Nonlin-ear Mixing Model , NLMM)下研究解混算法.3 ^* k+ ]9 o' `) T8 ]# [
目前,已有非线性混合模型主要基于辐射传输( Radiative Transfer , RT')理论5].该理论下的模型能够精确表述多种材料产生的光线散射现象,但针对该模型的解混算法复杂度很高,限制了高光谱图像解混技术的实际应用.进一步,有学者提出RT模型的近似模型(如Hapke模型6),但该类模型中仍然存在高度的非线性和复杂的积分计算.- ^$ n3 G0 o( H# z1 [$ V7 P
0 B; q0 J3 J: ?' v3 l, y7 B' |
! m# n1 d. @& E2 J1 g/ v
C* U1 L* H- s. D
! {6 w& f% @7 t z( F; a! j. K+ }, B- P2 S- e2 v& s7 x( p6 J
|
|
/1 
发表于 2021-2-7 11:24
收藏
淘帖
支持！
反对！