搜索结果:找到“稀疏解混”相关结果879条
排序: 按相关 按相关 按时间降序
  • 【期刊】 一种改进的OMP高光谱稀疏解混算法

    刊名:沈阳大学学报(自然科学版) 作者:赵春晖 ; 肖健钰 ; 齐滨 关键词:稀疏解混 ; 高光谱图像 ; 正交匹配追踪 ; 广义Dice系数 ; 丰度约束 机构:哈尔滨工程大学信息与通信工程学院 ; 哈尔滨工程大学信息与通信工程学院 年份:2015
    摘要:正交匹配追踪算法是稀疏求解中常用的方法,用于噪声影响下的高光谱数据稀疏解混时,其解混效果不理想.针对这一问题,提出了全约束DOMP算法.通过引入广义Dice系数代替内积作为匹配度量准则,更充分地利用了光谱信息,提高了算法的抗噪能力.同时,为了满足丰度的"非负"及"和为1"的性质,对丰度系数进行了全约束,进一步改善了解混效果.模拟及真实数据仿真结果显示,改进算法明显提高了解混精确度,验证了算法的有效性.
  • 【期刊】 一种改进的OMP高光谱稀疏解混算法

    刊名:沈阳大学学报:自然科学版 作者:赵春晖 肖健钰 齐滨 关键词:高光谱图像 稀疏解混 正交匹配追踪 广义Dice系数 丰度约束 机构:哈尔滨工程大学信息与通信工程学院 ; 哈尔滨工程大学信息与通信工程学院 年份:2015
    摘要:正交匹配追踪算法是稀疏求解中常用的方法,用于噪声影响下的高光谱数据稀疏解混时,其解混效果不理想.针对这一问题,提出了全约束DOMP算法.通过引入广义Dice系数代替内积作为匹配度量准则,更充分地利用了光谱信息,提高了算法的抗噪能力.同时,为了满足丰度的"非负"及"和为1"的性质,对丰度系数进行了全约束,进一步改善了解混效果.模拟及真实数据仿真结果显示,改进算法明显提高了解混精确度,验证了算法的有效性.
  • 【期刊】 一种改进的OMP高光谱稀疏解混算法

    刊名:沈阳大学学报:自然科学版 作者:赵春晖 肖健钰 齐滨 关键词:高光谱图像 稀疏解混 正交匹配追踪 广义Dice系数 丰度约束 机构:哈尔滨工程大学信息与通信工程学院 ; 哈尔滨工程大学信息与通信工程学院 年份:2015
    摘要:正交匹配追踪算法是稀疏求解中常用的方法,用于噪声影响下的高光谱数据稀疏解混时,其解混效果不理想.针对这一问题,提出了全约束DOMP算法.通过引入广义Dice系数代替内积作为匹配度量准则,更充分地利用了光谱信息,提高了算法的抗噪能力.同时,为了满足丰度的"非负"及"和为1"的性质,对丰度系数进行了全约束,进一步改善了解混效果.模拟及真实数据仿真结果显示,改进算法明显提高了解混精确度,验证了算法的有效性.
  • 【期刊】 高光谱影像稀疏解混的空间同质分析法

    刊名:测绘学报 作者:王毓乾 ; 邵振峰 关键词:高光谱影像 ; 光谱分解 ; 稀疏回归 ; 同质分析 机构:武汉大学测绘遥感信息工程国家重点实验室 ; 武汉大学测绘遥感信息工程国家重点实验室 年份:2014
    摘要:针对高光谱遥感影像端元丰度的稀疏性和空间分布平滑性,提出一种基于空间同质分析的稀疏解混算法。该算法首先对高光谱影像进行空间同质分析来提取同质指数,然后根据同质指数对稀疏回归解混模型中的空间正则项赋予不同权重,使其能更好地反映高光谱影像端元丰度分布的空间复杂性,进而实现对高光谱混合像元的有效分解。模拟数据和真实数据的试验分析表明:本文提出的算法能更好地保持结果的稀疏性和丰度空间分布的平滑性,并且具有一定的抗噪性,提高了整体的解混精度。
  • 【期刊】 高光谱稀疏解混法联合HTCI估算草地叶绿素含量

    刊名:江苏农业科学 作者:李飞 ; 王媛 ; 陈秀万 ; 刘茂林 ; 李阳 关键词:稀疏解混 ; 高光谱特征 ; 背景干扰 ; 叶绿素含量 ; Hyperion/HSI叶绿素指数 机构:北京大学遥感与地理信息系统研究所 ; 北京大学遥感与地理信息系统研究所 年份:2018
    摘要:基于高光谱数据的光谱指数法是快速、无损、估算大面积草地叶绿素含量的有效手段,但是背景光谱和冠层结构始终作为干扰估算精度的主要因素而存在。本研究将高光谱混合像元解混方法应用于叶绿素含量估测的光谱指数中,利用基于光谱库的稀疏解混法分解混合像元,得到纯净的草地像元光谱。在此基础上,结合Hyperion影像和HSI影像的光谱特征,提出了HTCI(Hyperion/HSI terrestrial chlorophyll index)估算叶绿素含量。通过对试验结果的分析,证实本方法相较于其他单一光谱指数算法,该方法能够有效地降低背景干扰,具有更高的测算精度。
  • 【期刊】 基于单次散射反照率的矿物高光谱稀疏解混

    刊名:遥感学报 作者:林红磊 ; 张霞 ; 孙艳丽 关键词:光谱解混 ; Hapke模型 ; 稀疏回归 ; 光谱库 ; 单次散射反照率 机构:中国科学院遥感与数字地球研究所遥感科学国家重点实验室 ; 中国科学院遥感与数字地球研究所遥感科学国家重点实验室 ; 中国科学院大学 年份:2016
    摘要:矿物的混合多属于致密型混合,在可见光—短波红外波段的混合呈现非线性特征,同时由于矿物混合的复杂性以及图像中完全纯净的像元可能不存在等原因,使得从图像上提取端元具有较大不确定性。本文根据矿物单次散射反照率的线性可加性,提出一种基于矿物单次散射反照率光谱库的稀疏解混算法,利用Hapke模型将矿物反射率转换成矿物单次散射反照率,构建矿物单次散射反照率光谱库,以半监督的方式通过稀疏回归的方法从光谱库中寻找最优端元组合,并估算混合像元中各端元的丰度。利用RELAB矿物混合光谱库进行算法验证,结果表明,丰度反演的平均绝对误差为3.12%;将本文方法应用于美国内华达州铜矿区的AVIRIS高光谱图像数据,所得丰度图与美国地质勘探局USGS矿物识别结果具有较好的一致性。本文算法不需要从图像提取端元,并且考虑到了矿物的非线性混合特征,能够得到较高的反演精度,在近地行星和卫星表面岩矿成分的探测等领域具有较好的应用前景。
  • 【期刊】 空谱联合的高光谱遥感图像稀疏解混综述与展望

    刊名:南昌工程学院学报 作者:张绍泉 ; 李军 ; 邓承志 ; 汪胜前 关键词:高光谱遥感 ; 稀疏混合像元分解 ; 空间信息 ; 空间加权 机构:南昌工程学院江西省水信息协同感知与智能处理重点实验室 ; 南昌工程学院江西省水信息协同感知与智能处理重点实验室 ; 中山大学广东省城市化与地理环境空间模拟重点实验室 年份:2018
    摘要:受传感器空间分辨率低的限制以及复杂地物的影响,高光谱遥感图像中存在大量的混合像元。混合像元问题阻碍遥感技术向定量化发展,限制了高光谱遥感图像的应用范围。解决混合像元问题,是高光谱遥感图像信息处理领域的前沿科学问题。鉴于稀疏表示理论在混合像元分解方面的优势,近年来受到了广泛的关注和研究,取得了一系列成果。基于此,对现有的稀疏解混技术进行综述,系统地分析了各种经典的稀疏解混算法和空谱联合的稀疏解混算法的原理及优缺点,并对各解混算法进行了分析和评价,最后对该研究领域发展提出建议和展望。
  • 【期刊】 基于端元字典稀疏解混的高光谱图像亚像元定位

    刊名:电子科技 作者:顾正之 ; 王素玉 关键词:高光谱图像 ; 光谱解混 ; 亚像元定位 ; K-SVD ; 稀疏表示 ; 冗余字典 机构:北京未来网络科技创新中心 ; 北京未来网络科技创新中心 ; 北京物联网软件与系统工程研究中心 ; 北京工业大学信息学部 年份:2019
    摘要:针对高光谱图像中普遍存在的混合像元中各端元空间分布定位困难的问题,文中提出一种基于K-SVD的光谱解混算法,利用其解混结果进行亚像元定位。算法首先通过KNN分类来区分待处理图像中的混合像元和纯像元,然后借鉴基于冗余字典的稀疏分解相关理论,以标准光谱库为基础,通过基于K-SVD的字典训练算法训练产生最具代表性的地物光谱曲线,构建端元冗余字典,通过基于K-SVD的稀疏分解算法实现各端元丰度的求解。最后利用求得的丰度系数在两种空间性相关性约束下进行亚像元定位。实验结果表明,采用该算法进行模拟数据和真实数据的亚像元的定位可以取得不错的定位结果。
  • 【期刊】 基于空间-光谱分析的高光谱遥感影像稀疏解混研究

    刊名:测绘学报 作者:王毓乾 机构:东华理工大学测绘工程学院 ; 东华理工大学测绘工程学院 ; 东华理工大学江西省数字国土重点实验室 年份:2017
    摘要:<正>混合像元分解能在亚像素级别上定量化地了解地物的光谱信息和含量信息(丰度),是高光谱影像分析中的关键问题之一。由于影像场景复杂、同谱异物和同物异谱(端元可变性)现象普遍存在、光谱库端元数目远大于像元中含有的端元数目,再加上影像噪音的干扰,影像解混精度还亟待提高。本文的研究围绕基于空间-光谱分析的高光谱遥感影像稀疏解混方法,分别从顾及端元可变性、像元的
  • 【期刊】 复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法

    刊名:红外与毫米波学报 作者:孔繁锵 ; 郭文骏 ; 沈秋 ; 王丹丹 关键词:高光谱图像 ; 联合稀疏解混 ; 复合正则化 ; 稀疏贝叶斯学习 机构:南京航空航天大学航天学院 ; 南京航空航天大学航天学院 年份:2016
    摘要:将稀疏贝叶斯学习引入线性混合像元分解中,提出一种基于复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法.在多观测向量的稀疏贝叶斯框架下,对各参数建立概率模型,经贝叶斯推断得到基于L2,1正则化的联合稀疏贝叶斯解混模型,并将丰度向量的非负与和为一约束加入到凸优化的目标函数中,通过变量分离法将复合正则化问题分解成多个单一正则化问题交替迭代求解,并利用参数自适应算法对正则化参数进行更新.模拟数据和真实数据的实验结果表明,该算法比贪婪算法和凸优化算法能获得更高的解混精度,并且适用于端元个数较多和信噪比较低的高光谱数据.
  • 【期刊】 基于L1稀疏解混的水体变化检测

    刊名:南昌工程学院学报 作者:徐晨光 ; 邓承志 关键词:稀疏 ; 解混 ; 高光谱 ; 水体变化检测 机构:南昌工程学院江西省水信息协同感知与智能处理重点实验室 ; 南昌工程学院江西省水信息协同感知与智能处理重点实验室 年份:2018
    摘要:稀疏表示利用高光谱丰度矩阵的稀疏特性来获取更有价值的信息,使得稀疏正则化后的高光谱数据更加精确。以景德镇玉田湖水库为研究对象,通过Landsat8卫星获取的玉田湖水库不同时期的水体信息数据,利用了经典的L1稀疏解混的方法对卫星数据进行水域信息提取,然后对不同时期水域变化情况进行检测。检测结果验证算法有效性。
  • 【期刊】 高光谱图像Pareto优化稀疏解混

    刊名:红外与激光工程 作者:徐夏 ; 张宁 ; 史振威 ; 谢少彪 ; 齐乃明 关键词:稀疏解混 ; 高光谱图像 ; PARETO优化 机构:[1]北京航空航天大学宇航学院图像处理中心 ; [1]北京航空航天大学宇航学院图像处理中心 ; [2]上海航天电子技术研究所 ; [3]哈尔滨工业大学航天学院 年份:2018
    摘要:高光谱解混是学术界的一个难题,稀疏高光谱解混指的是利用已知光谱库进行解混,旨在从先验光谱库中找到一些可以表征图像的数个纯光谱向量作为高光谱图像的端元,并利用这些端元求解相应的端元丰度,这是一个NP难的组合优化问题。目前多通过将L0范数凸松弛为L1范数进行稀疏解混,但该方法得到的仅仅是近似解。文中提出了一种基于Pareto优化的稀疏解混算法(ParetoSU),将稀疏解混问题转化为一个两目标优化问题,其中一个优化目标是建模误差,另一个目标是端元稀疏度。ParetoSU直接解决稀疏解混中的组合优化问题,不需要对L0范数进行近似。最后利用仿真数据验证了该解混算法的有效性。