论文部分内容阅读
端元提取是高光谱图像分析中的一项重要而具有挑战性的任务。通过端元提取来获得图像中的基本光谱信息，是对高光谱数据进行进一步分析（比如光谱解混合、目标探测、图像分类和地物填图），理解高光谱图像的前提条件。
本文从光谱混合的成像机理出发，分析了混合像点的成因及数据观测的物理模型，重点研究了线性光谱混合模型，引入了端元的概念及物理几何意义，确立了几何端元提取技术的基本思路。并在理论研究的基础上，深入研究了基于几何端元提取的算法：纯像元指数（Pixel Purity Index，PPI），N-FINDR，顶点成分分析（Vertex Component Analyst，VCA）。其中，VCA算法精确度高于PPI，而算法复杂度低于N-FINDER，所以得到了广泛的应用。然而VCA算法同PPI，N-FINDR具有同样的缺陷：提取的端元不稳定，即多次运行后得到多个不同的端元数组。本文在深入研究VCA算法原理的基础上分析了其产生缺陷的原因，引入自动目标生成方法（Automatic Target Generation Process ATGP），将其应用到传统的VCA算法中进行端元提取。最后，针对端元提取的目的，综合近年来的端元评估方法，根据先验信息的有无情况，提出了两种对端元提取结果进行客观准确的评价方法：直接与标准谱线对比方法和原始图像重构，实现了算法之间的性能分析与比较。通过仿真实验和真实高光谱数据实验的结果说明了VCA改进算法的有效性，很好地提高了原始VCA的准确性。