高光谱影像同质区分析及稀疏性解混_孔祥兵著_9787550922259

　　《高光谱影像同质区分析及稀疏性解混》在总结高光谱影像混合像元分解研究成果的基础上，通过影像同质区分析，形成了一种新的高光谱影像混合像元分解技术框架，给出了影像同质区分析的数学模型和图论基础上的连通分析实现技术，提出了一种结合影像同质区空间信息和光谱信息的影像端元光谱提取路线；在此基础上，引入非负矩阵分解理论，提出新的命题、构建新的约束项、实现目标函数迭代收敛性数学证明，为高光谱影像非监督解混提供了一种新的思路。研究成果在高光谱影像分割、分类和定量分析等方面具有广阔的应用前景。
　　《高光谱影像同质区分析及稀疏性解混》可供从事高光谱遥感影像处理、分析和应用等研究领域的科技工作者阅读，也可作为有关大专院校师生的参考书。

　　高光谱影像通常具有几百个波段，含有丰富的光谱、空间和辐射信息。然而，由于地物分布的复杂性和传感器空间分辨率的有限性，混合像元普遍存在于高光谱影像中，是高光谱影像定量分析和应用的最大障碍。因此，如何有效地解译混合像元，从亚像元级别上获取地物信息，是高光谱影像解译和应用的关键问题之一。
　　将混合像元分解为所含有的地物光谱（端元光谱）和相应地物的存在比例（端元丰度）的过程称为高光谱影像混合像元分解。近10多年来，针对高光谱影像混合像元分解问题，相关研究学者已经进行了大量的科学研究，提出了一些非常有价值的方法和技术方案。可分为两大类型，即分布分解和同步分解。分布分解多是指传统的混合像元分解类型，先通过影像光谱特征空间分析，获取影像端元光谱，然后基于端元光谱和选取的光谱混合模型进行端元丰度反演。同步分解是近些年来新兴的一种研究思路，是指直接基于高光谱影像，利用盲信号分离技术分解为端元光谱和端元丰度。然而，所见的混合像元分解方法多是将高光谱影像视为离散而无任何关系的一个个高维像元光谱集，即只利用了影像的光谱信息，忽略了像元间的空间相关性。
　　因此，混合像元分解问题应该结合影像空间信息进行研究，在分解过程中充分挖掘并利用局部影像空间信息和邻域像元光谱信息的特性，并在此基础上提出了基于影像同质区分析的高光谱影像混合像元分解技术框架。
　　本书共分为7章。第1章介绍了高光谱混合像元分解的关键问题和研究进展。第2章重点提出了高光谱影像混合像元分解研究中需要注意的几个问题，并给出了同质区分析基础上稀疏分解思路。第3章和第4章系统性给出了高光谱影像同质区分析方法，其中第3章研究了光谱信息特征的刻画方式和数学意义，提出了一种融合光谱辐射信息、光谱曲线形状信息和光谱数据信息含量的新型光谱相似性测度，使得在混合像元分解过程中的各个阶段能有效地分析光谱之间的相似性；第4章进一步给出了影像同质区分析的数学方法和实现技术路线，即将影像分为影像同质区和影像过渡区。并在影像同质区的基础上，提出了结合影像空间和光谱信息的高光谱影像端元光谱自动提取设想并进行了实验。第5章在影像同质区分析基础上，通过分析影像空间和光谱特征，提出了影像端元丰度稀疏性和端元丰度平滑性两个命题，并进行了讨论；提出了一种含有端元丰度平滑性约束的非负矩阵分解方法，给出了目标函数和相关迭代规则，并证明了其数学收敛性。第6章探讨了在已知影像端元光谱情况下的像元端元丰度反演问题，提出了一种在影像同质区基础上的像元最优端元子集获取思路，给出了一种顾及邻域信息的端元丰度反演技术框架，实验表明，该方法提高了影像端元丰度反演的精度。
　　本书各章节撰写分工如下：第1章、第2章和第3章由孑L祥兵和王志雄撰写，第4章由孔祥兵、王志慧和王逸男撰写，第5章由孔祥兵、郭凯和王玲玲撰写，第6章和第7章由孔祥兵、焦鹏和王志雄撰写。全书由孔祥兵统稿。
　　本书得到了国家自然科学基金委员会、武汉大学和黄河水利科学研究院等单位的大力支持，在此深表感谢！
　　感谢恩师舒宁教授长期以来对该课题的悉心指导！
　　鉴于高光谱遥感影像混合像元分解的复杂性，仍有许多的工作有待深化，加之作者的知识和能力有限，书中难免有不妥之处，敬请读者批评指正。

你还可能感兴趣

我要评论