● 摘要
摘要高光谱成像遥感是一种新型的遥感方式，能提供更高的光谱分辨率。高光谱遥感能同时提供光谱信息和空间信息，有着广阔的应用前景，受到了广泛的关注。但是高光谱数据量的激增对数据处理方法提出了挑战，迫切需要新的数据处理方法。本文在调研了国内的高光谱数据处理方法的基础上，有选择的做了进一步研究。本文的主要研究方向包括：1. 基于统计的异常检测算法：在理论上初步阐述了基于统计的异常检测算法的工作原理，并且通过试验比较各种算法，指出各算法的优劣。最后提出了一种改进的异常检测算子，并且该算子与常用的异常算子比较显示出了良好的检测能力。2. 谱分解的端元丰度估计：在线性混合模型的基础上，充分利用端元的光谱特征，使用光谱微分方法找到光谱的特征波段，再利用差分、最小二乘等方法提取特征波段，对端元丰度进行近似的估计。此方法的最大优点是在丰度估计过程中只需目标的光谱特征而不必获取所有端元的光谱特征。3. 谱分解的端元提取：首先比较了PCA与MNF两种常用的数据降维方法，通过理论分析和试验验证等方法证明了MNF在去噪、降维方面的能力。在数据充分降维、去噪的基础上，利用凸面几何理论使用相似度差异的方法在图像中提取端元，得到能够代表全图数据的端元项，最终进行端元丰度反演。本文在异常检测和谱分解方面做了一些探索和尝试，取得了一定的成果。新算法都通过一系列的试验得到了验证，在高光谱数据处理方面具有一定的现实意义。关键词：高光谱遥感，异常检测，谱分解，丰度估计，端元提取
相关内容
相关标签