导读:本文包含了混合光谱的线性分解模型论文开题报告文献综述及选题提纲参考文献，主要关键词:高光谱图像,端元提取,丰度估计,Gram-Schmidt正交化
混合光谱的线性分解模型论文文献综述
赵岩[1]（2019）在《高光谱图像线性模型混合像元分解的算法研究》一文中研究指出高光谱成像光谱仪从紫外到短波红外的连续电磁光谱中捕获几十至几百个波段的叁维图像信息。高光谱图像包括长、宽两个平面维度和一个光谱维度。可以利用高光谱图像包含的丰富光谱信息进行探测地面目标和识别地物,因此高光谱图像在民用和军用领域被广泛运用。高光谱图像能够在较窄的波段上成像,因此具有较高的光谱分辨率。然而,由于受到空间分辨率较低和地物分布复杂的影响,高光谱图像含有大量的混合像元。在现有空间分辨率的条件下,大量地存在混合像元,这对图像分类和目标探测的结果造成了影响,同时也限制了高光谱的定量化发展。因此,如何有效地进行混合像元分解是高光谱图像应用的重要技术问题。混合像元分解的过程为求解包含的地物种类(端元)以及地物种类的占比(丰度)。目前,线性模型混合像元分解算法得到广泛应用。本文以提高端元提取和丰度估计精度为目标展开研究。本论文的主要工作如下。1.针对形态学算子的输出统计偏差较大,影响端元提取精度的问题,提出了一种基于广义形态学的高光谱图像端元提取算法。该算法引入参考像元,并把正则化的修正能量函数当作距离测度,通过计算含有两个结构单元的广义开-闭算子,提取端元。实验结果显示,该算法能自动提取端元,提取精度较高。2.针对高光谱图像序列端元提取算法存在较大的端元误差马尔可夫性,影响端元提取精度的问题,提出了一种基于Gram-Schmidt正交化的3端元成组提取算法。通过反复搜索特征空间中最大面积叁角形进行成组端元提取,以降低端元误差的马尔可夫性,提高端元提取的精度。实验验证了算法的性能。3.为了解决大多数丰度估计算法需要进行行列式运算和矩阵求逆运算,导致算法计算复杂度较高的问题,提出了一种基于正交基的丰度估计算法。通过计算待分解向量在特征向量上的投影与正交基的比值获得丰度估计,该算法只涉及向量内积运算,计算量较小。实验验证了算法的有效性。4.经典非负矩阵分解的目标函数是非凸的,它影响着最优解的获取,为了解决这一问题,提出了一种基于端元约束非负矩阵分解的解混算法。根据端元之间独立的特性,添加端元光谱相关性和端元光谱差别两个约束,利用投影梯度算法进行迭代运算,同时获得端元和丰度估计。实验结果显示,该算法解混性能较好。(本文来源于《哈尔滨理工大学》期刊2019-06-01）
宋彩英,覃志豪,王斐[2]（2015）在《基于线性光谱混合模型的地表温度像元分解方法》一文中研究指出以北京市Landsat TM为数据源,提出了一种新的地表温度光谱分解模型(Temperature Unmixing with Spectral,TUS),以期将地表温度的空间分辨率提高到30 m.首先,基于线性光谱混合模型获得地表组分的丰度值.然后,基于温度/植被指数选取典型端元的地表温度.最后,综合地表组分的比辐射率数据实现地表温度的分解.结果表明,TUS模型能够有效地提高地表温度的空间分辨率,反映不同地表组分地表温度的空间差异性,平均绝对误差(MAE)和均方根误差(RMSE)分别为1.25 K和2.27 K,非常适合于复杂地表覆盖地区的地表温度降尺度处理.(本文来源于《红外与毫米波学报》期刊2015年04期）
罗耀华,郭科,赵仕波[3]（2013）在《基于线性光谱模型的混合像元分解高性能计算研究》一文中研究指出混合像元分解是遥感技术向定量化、精细化发展的重要技术,是关系到地物精细分类的重要操作环节,而线性光谱模型确实是目前解决混合像元问题的有效策略。针对高光谱遥感影像数据量大,混合像元分解计算耗时长的问题,提出了一种基于CUDA的高光谱遥感端元投影向量法实现方法。在分析高光谱图像端元投影向量法串行算法的基础上,建立了在CUDA架构下以像元点为基准产生相应的进程数,每个进程负责一单位像元点的计算方式。实验结果表明,将该方法应用于实际的高光谱遥感影像的混合像元中,可极大地提高传统中央处理器(CPU)的运算效率。(本文来源于《物探化探计算技术》期刊2013年03期）
黄艳妮,查良松,陈健[4]（2012）在《基于线性光谱混合模型的混合像元分解研究——以合肥市为例》一文中研究指出利用Landsat ETM+数据,在水体掩膜的基础上,采用线性光谱混合模型(Liner Spectral Mixture Model,LSMM)进行混合像元分解,得到合肥市高反射率地物、低反射率地物、植被和土壤四种端元的丰度图像以及RMS误差分量图像.应用线性光谱混合模型研究城市地表组分组成,端元(End-member)选取是模型成败的关键.通过分别采用手动选取端元和利用纯像元指数(PPI)法选取端元两种方法,从定性角度对比两种方法得到的结果,结果表明在本研究区内手动选取的端元比PPI选取的端元模型拟合精度更高,能够得到更高精度的分量图像.(本文来源于《安徽师范大学学报(自然科学版)》期刊2012年03期）
秦志伟,李福金[5]（2011）在《利用线性混合模型进行高光谱混合图像分解》一文中研究指出简述了混合像元及线性模型的基本理论,介绍了线性光谱模型进行分解的步骤,以具体实例实现应用线性混合模型对高光谱混合影像的分解。(本文来源于《测绘与空间地理信息》期刊2011年06期）
刘姣娣,曹卫彬,李华,刘学[6]（2011）在《基于线性光谱混合模型的棉花遥感识别混合像元分解》一文中研究指出遥感图像中普通存在着混合像元,对这部分像元进行分类(即混合像元分解)是遥感图像处理中的难点。以新疆玛纳斯县为研究区,运用线性光谱混合模型,估算端元丰度值,进行空间建模,将棉花、玉米、番茄和土壤4类典型的端元组分光谱值代入线性模型,在非约束条件下用最小二乘法估计混合系数,得到每种地物类型的丰度及均方根误差图,以实地测量的棉花种植面积对模型分解效果进行评估,结果表明:线性光谱混合模型构模简单、计算量小,棉花线性光谱混合像元分解精度达到90%以上,可用于新疆棉花的遥感识别。(本文来源于《中国棉花》期刊2011年10期）
吴见,彭道黎[7]（2011）在《改进线性光谱混合分解模型湿地信息提取》一文中研究指出由于干旱区农牧交错地带湿地面积小且地类混杂,混合像元现象严重,使得该区湿地信息的自动提取难度较大。针对湿地遥感信息提取的特点和难点,采用NDVI(normalized different vegetation index)阈值法提取水体,应用支持向量机模型(SVM)提取去除水体后的湿地信息,并以修正线性光谱混合分解模型分解的草甸分量,进一步提取高盖度、中盖度和低盖度草甸信息。试验验证结果表明:提取结果的总体精度为88%,Kappa系数为0.83。该方法可为其他光谱特征混杂地区湿地遥感信息的提取提供参考。(本文来源于《中国农业大学学报》期刊2011年03期）
陆广勇,杨勤科,张少伟,王海江[8]（2011）在《基于线性光谱混合模型分解MODIS多光谱影像的研究》一文中研究指出为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。(本文来源于《水土保持研究》期刊2011年03期）
陈峰,邱全毅,熊永柱,黄少鹏[9]（2010）在《基于线性光谱模型的混合像元分解方法与比较》一文中研究指出线性光谱模型是目前解决城市中等空间分辨率遥感(如Landsat)中存在的混合像元问题的简单、有效的策略。本实验以广州区域为研究区,利用ENVI/IDL影像处理和开发平台对4种混合像元线性光谱分解方法进行了对比,即无约束条件法、带部分约束条件法、普通带全约束条件法和带全约束条件的可变端元法。结果表明,普通带全约束条件法和带全约束条件的可变端元法的分解结果比无约束条件法和带部分约束条件法的分解结果合理,均方根误差明显要小;同时,带全约束条件的可变端元法要优于普通带全约束条件法。光谱归一化处理则对不同分解方法带来不同的影响,应依据实际需要采取合适的光谱处理方式。(本文来源于《遥感信息》期刊2010年04期）
混合光谱的线性分解模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以北京市Landsat TM为数据源,提出了一种新的地表温度光谱分解模型(Temperature Unmixing with Spectral,TUS),以期将地表温度的空间分辨率提高到30 m.首先,基于线性光谱混合模型获得地表组分的丰度值.然后,基于温度/植被指数选取典型端元的地表温度.最后,综合地表组分的比辐射率数据实现地表温度的分解.结果表明,TUS模型能够有效地提高地表温度的空间分辨率,反映不同地表组分地表温度的空间差异性,平均绝对误差(MAE)和均方根误差(RMSE)分别为1.25 K和2.27 K,非常适合于复杂地表覆盖地区的地表温度降尺度处理.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合光谱的线性分解模型论文参考文献
[1].赵岩.高光谱图像线性模型混合像元分解的算法研究[D].哈尔滨理工大学.2019
[2].宋彩英,覃志豪,王斐.基于线性光谱混合模型的地表温度像元分解方法[J].红外与毫米波学报.2015
[3].罗耀华,郭科,赵仕波.基于线性光谱模型的混合像元分解高性能计算研究[J].物探化探计算技术.2013
[4].黄艳妮,查良松,陈健.基于线性光谱混合模型的混合像元分解研究——以合肥市为例[J].安徽师范大学学报(自然科学版).2012
[5].秦志伟,李福金.利用线性混合模型进行高光谱混合图像分解[J].测绘与空间地理信息.2011
[6].刘姣娣,曹卫彬,李华,刘学.基于线性光谱混合模型的棉花遥感识别混合像元分解[J].中国棉花.2011
[7].吴见,彭道黎.改进线性光谱混合分解模型湿地信息提取[J].中国农业大学学报.2011
[8].陆广勇,杨勤科,张少伟,王海江.基于线性光谱混合模型分解MODIS多光谱影像的研究[J].水土保持研究.2011
[9].陈峰,邱全毅,熊永柱,黄少鹏.基于线性光谱模型的混合像元分解方法与比较[J].遥感信息.2010
标签：高光谱图像; 端元提取; 丰度估计; Gram-Schmidt正交化;