光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
9期
2519-2524
,共6页
唐晓燕%高昆%倪国强%朱振宇%程颢波
唐曉燕%高昆%倪國彊%硃振宇%程顥波
당효연%고곤%예국강%주진우%정호파
流形学习%非线性端元提取%空间信息%N-FINDR算法%高光谱图像
流形學習%非線性耑元提取%空間信息%N-FINDR算法%高光譜圖像
류형학습%비선성단원제취%공간신식%N-FINDR산법%고광보도상
Manifold learning%Nonlinear endmember extraction%Spatial information%N-FINDR algorithm%Hyperspectral image
光谱端元提取是对高光谱数据进一步分析的重要前提.由于双向反射分布函数(BRDF),像元内的多重散射和亚像元成分的异质性等因素,高光谱图像中的混合像元实际上是非线性光谱混合.传统的端元提取算法是以线性光谱混合模型为基础,因此提取的端元精度不高.在光谱非线性混合的基础上,提出一种将流形学习与空间信息结合的改进N-FINDR端元提取算法.首先通过自适应的局部切空间排列算法寻找嵌入在高维非线性数据空间的本质的低维结构,将原始高光谱数据非线性降维到低维空间.接着利用地物分布具有连续性的特点,通过增大空间同质区域的像元的权重进行空间预处理.最后通过寻找最大单形体体积进行端元提取.提出算法很好的解决了高光谱遥感数据非线性结构,并利用了空间信息,提高了端元提取的精度.模拟数据实验和真实高光谱遥感数据实验结果均表明,采用该算法得到的结果优于顶点成分分析(VCA)算法、基于测地线距离的最大单形体体积(GSVM)算法和空间预处理的N-FINDR(SPPNFINDR)算法.
光譜耑元提取是對高光譜數據進一步分析的重要前提.由于雙嚮反射分佈函數(BRDF),像元內的多重散射和亞像元成分的異質性等因素,高光譜圖像中的混閤像元實際上是非線性光譜混閤.傳統的耑元提取算法是以線性光譜混閤模型為基礎,因此提取的耑元精度不高.在光譜非線性混閤的基礎上,提齣一種將流形學習與空間信息結閤的改進N-FINDR耑元提取算法.首先通過自適應的跼部切空間排列算法尋找嵌入在高維非線性數據空間的本質的低維結構,將原始高光譜數據非線性降維到低維空間.接著利用地物分佈具有連續性的特點,通過增大空間同質區域的像元的權重進行空間預處理.最後通過尋找最大單形體體積進行耑元提取.提齣算法很好的解決瞭高光譜遙感數據非線性結構,併利用瞭空間信息,提高瞭耑元提取的精度.模擬數據實驗和真實高光譜遙感數據實驗結果均錶明,採用該算法得到的結果優于頂點成分分析(VCA)算法、基于測地線距離的最大單形體體積(GSVM)算法和空間預處理的N-FINDR(SPPNFINDR)算法.
광보단원제취시대고광보수거진일보분석적중요전제.유우쌍향반사분포함수(BRDF),상원내적다중산사화아상원성분적이질성등인소,고광보도상중적혼합상원실제상시비선성광보혼합.전통적단원제취산법시이선성광보혼합모형위기출,인차제취적단원정도불고.재광보비선성혼합적기출상,제출일충장류형학습여공간신식결합적개진N-FINDR단원제취산법.수선통과자괄응적국부절공간배렬산법심조감입재고유비선성수거공간적본질적저유결구,장원시고광보수거비선성강유도저유공간.접착이용지물분포구유련속성적특점,통과증대공간동질구역적상원적권중진행공간예처리.최후통과심조최대단형체체적진행단원제취.제출산법흔호적해결료고광보요감수거비선성결구,병이용료공간신식,제고료단원제취적정도.모의수거실험화진실고광보요감수거실험결과균표명,채용해산법득도적결과우우정점성분분석(VCA)산법、기우측지선거리적최대단형체체적(GSVM)산법화공간예처리적N-FINDR(SPPNFINDR)산법.
