高光谱遥感影像混合像元分解算法研究
高光谱遥感影像相比多光谱遥感在波段数量和波段范围上提供了更多的信息利用这些丰富的光谱信息可以更好对地物进行检测和识别。然而混合像元的存在严重影响了高光谱数据的使用价值。
混合像元分解方法是解决混合像元问题最有效的手段。本文是在NLSMA（No
LocalSpectralMixtureA
alysis）方法的基础上进行研究。
针对文中使用Kdtree方法寻找非局部相似块占用内存过大运算时间长的缺点提出了基于低秩分解的联合稀疏解混方法。低秩分解模型将矩阵分解为低秩矩阵稀疏矩阵和误差矩阵其约束是稀疏矩阵和误差矩阵的subsub范数小于阈值该模型的优化算法较少且耗时过长适当放松约束条件以sub2sub范数来替代约束项中的subsub范数实验表明该方法可以取得同样的效果并且极大地提高了运算效率。
对图像进行低秩分解后得到许多由许多相似像素构成的相似块假定相似块中的像素点含有相同种类地物但是对应的比例不同。NLSMA方法通过使用联合稀疏方法对每一个相似块进行全限制非负和一求解即先通过TMSBL（Tra
sformMultipleSparseBayesia
Lear
i
g）方法来对多观测向量问题MMV（MultipleMeasureme
tVectors）进行求解得到相似块中可能包含的地物种类再根据FCLS（FullyCo
strai
edLeastSquares）方法求得相似块中每一个像素对应的丰度向量。
观察该方法得到的水体丰度图可以看到有许多非水体的地方丰度系数并不为零。因此考虑通过NDWI指标来先把水体提出来这为以后可以单独提取某种特定地物提供一个框架。
fTMSBL方法相比较其他的MMV算法考虑了观测向量之间的时间相关性。但是该方法耗时长因此采用不考虑时间相关性的MSBL（MultipleSparseBayesia
Lear
i
g）方法近似求解实验表明该方法运算速度快精度基本与TMSBL方法相近。
利用改进后的方法在公开的高光谱遥感数据集上进行实验实验结果表明该方法9类分类平均精度达到9335依据VIS模型将9类地物合并为5类其总体分类精度达到9688与NLSMA方法相比所提方法在能够取得相似结果精度的情况下运算速度得到了较大的提高。
fr