基于光谱稀疏性分析的若干高光谱图像解混算法实现与比较
关键词 高光谱解混 像元谱线稀疏性 随机坐标下降算法
毕业论文设计说明书（论文）外文摘要
Title Comparison of several algorithms for sparse unmixing of hyperspectral data
Abstract
This paper summarizes and analyzes the hyperspectral unmixing theory，and then compares several popular algorithms for solving sparsity based linear hyperspectral unmixing model. For large-scale problems, these algorithms with high time complexity could not have the good real-time performance in practical application. So, this paper adopts stochastic coordinate descent algorithm to solve the sparsity based linear hyperspectral unmixing model to reduce the time complexity while maintain the unmixing accuracy. Through numerical experiments on simulated data and real data, it can be seen that the stochastic coordinate algorithm obtains a better balance between time complexity and unmixing accuracy. Finally, the direction and target of future research are present.
Keywords Hyperspectral Unmixing The Sparsity of Spectral Line
Stochastic Coordinate Descent Algorithm
目 次
1 绪论 1
1. 1 研究背景 1
1. 2 研究的目的和意义 2
1. 3 研究思路和内容 2
2 高光谱解混理论基础 4
2. 1 线性高光谱解混模型 5
2. 2 高光谱解混算法 8
2.2.1 基于非稀疏性高光谱解混算法 8
2.2.2 基于稀疏性高光谱解混算法 8
3 稀疏性正则化高光谱解混算法比较 10
3. 1 正交匹配追踪算法 11
3. 2 两步迭代阈值算法 12
4 基于随机坐标下降算法的稀疏性正则化高光谱解混 15
4. 1 稀疏性正则化高光谱解混随机坐标下降算法 15
4. 2 实验结果与分析 17
4.2.1 实验设置 17
4.2.2 实验结果 18
4.2.3 实验分析 25
结 论 27
致 谢 29
参考文献 30
1 绪论
1. 1 研究背景
高光谱成像技术是指1980年初在遥感探测领域新兴起来的成像技术。高光谱遥感的特点为在可见光波段至红外波段的范围内，其光谱波段多、具有多个连续光谱通道，最为重要的特点是其光谱的分辨率高达纳米(nm)数量级, 且光谱图像中在每一个像元上均可提取出一条精细的光谱曲线，其具有空间可识别性也即意着像元谱线中蕴含着极其丰富的地理物质信息。成像光谱仪在分光技术的基础上，把扫描得到的电磁波信号分解成众多相邻、波段宽度较窄的微小波段，因此高光谱遥感图像呈现出光谱分辨率高、波段数目多的数据特点[1]。近代研究实用中,矿物质勘测与填图、环境的指数监测、目标伪装识别侦查等领域均广泛应用了高光谱图像处理技术，其也在全球气候变化与防灾减灾等多个热门研究领域发挥着重要作用。
上一篇：基于g-期望的组合选择问题研究
下一篇：数字图像的去噪与增强研究