發(fā)布時(shí)間：2018-08-02 15:30

【摘要】：在端元已知情況下,線性混合模型的非負(fù)約束最小二乘無(wú)閉式解,需要多次迭代得收斂最優(yōu)解,時(shí)間復(fù)雜度高.通過(guò)高光譜數(shù)據(jù)凸面幾何特性分析,指出當(dāng)數(shù)據(jù)為正單形體時(shí),可經(jīng)有限步驟快速得線性混合模型最優(yōu)解.據(jù)此提出一種單形體正化的高光譜數(shù)據(jù)全約束線性解混方法,據(jù)已知端元進(jìn)行單形體正化,采用和為一約束求解豐度系數(shù),最后迭代剔除豐度負(fù)值端元得全約束解.實(shí)驗(yàn)結(jié)果表明該方法可獲得傳統(tǒng)全約束解一致的豐度估計(jì),且效率大大提升.
[Abstract]:In the case of known endcomponents, the non-negative constrained least squares without closed solution of the linear mixed model requires multiple iterations to obtain the convergent optimal solution, and the time complexity is high. By analyzing the geometric properties of the convex surface of hyperspectral data, it is pointed out that the optimal solution of the linear mixed model can be obtained quickly by finite steps when the data is a normal simple body. Based on this, a fully constrained linear demultiplexing method of hyperspectral data is proposed. According to the known end elements, the full constrained solution is obtained by solving the abundance coefficient by sum as a constraint. Finally, the full constrained solution is obtained by eliminating the negative end element of abundance iteratively. The experimental results show that the proposed method can obtain the consistent abundance estimation of the traditional fully constrained solutions, and the efficiency is greatly improved.
【作者單位】： 中國(guó)科學(xué)院空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室;中國(guó)科學(xué)院電子學(xué)研究所;中國(guó)科學(xué)院大學(xué);中國(guó)地質(zhì)大學(xué);
【基金】：中國(guó)地質(zhì)調(diào)查局地質(zhì)調(diào)查項(xiàng)目(1212011120226) 國(guó)家863計(jì)劃課題(2012AA12A308) 中國(guó)科學(xué)院科技服務(wù)網(wǎng)絡(luò)計(jì)劃項(xiàng)目(KFJEW-STS-046)~~
【分類(lèi)號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高陽(yáng);王雪松;程玉虎;黃飛;;基于非負(fù)稀疏嵌入投影的高光譜數(shù)據(jù)降維方法[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2012年06期

2 陳新忠;胡匯涓;王雪松;;基于加權(quán)近鄰保持嵌入的高光譜數(shù)據(jù)降維方法[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2013年06期

3 王旭紅;肖平;郭建明;;高光譜數(shù)據(jù)降維技術(shù)研究[J];水土保持通報(bào);2006年06期

4 王祥濤;馮燕;陳武;;基于改進(jìn)獨(dú)立分量分析的高光譜數(shù)據(jù)分類(lèi)研究[J];計(jì)算機(jī)仿真;2009年11期

5 王祥濤;馮燕;吳政;;高光譜數(shù)據(jù)分類(lèi)新方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年10期

6 殷岳萌;馮燕;劉萌萌;;基于獨(dú)立分量分析和相關(guān)向量機(jī)的高光譜數(shù)據(jù)分類(lèi)[J];現(xiàn)代電子技術(shù);2010年13期

7 姜小光,唐伶俐,王長(zhǎng)耀,王成;高光譜數(shù)據(jù)的光譜信息特點(diǎn)及面向?qū)ο蟮奶卣鲄��?shù)選擇——以北京順義區(qū)為例[J];遙感技術(shù)與應(yīng)用;2002年02期

8 張遠(yuǎn)飛;吳德文;張艮中;朱谷昌;李紅;;高光譜數(shù)據(jù)的波段序結(jié)構(gòu)分析與應(yīng)用研究[J];國(guó)土資源遙感;2010年01期

9 肖海燕;曾輝;昝啟杰;白鈺;程好好;;基于高光譜數(shù)據(jù)和專(zhuān)家決策法提取紅樹(shù)林群落類(lèi)型信息[J];遙感學(xué)報(bào);2007年04期

10 曹揚(yáng);趙慧潔;黃四牛;李娜;張佩;;基于高效置信傳播的改進(jìn)馬爾可夫隨機(jī)場(chǎng)高光譜數(shù)據(jù)分類(lèi)算法[J];模式識(shí)別與人工智能;2014年03期

相關(guān)會(huì)議論文 前10條

1 郭宇龍;李云梅;;環(huán)境1號(hào)衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十七屆中國(guó)環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2013年

2 李云梅;蔣建軍;韋玉春;;利用地面實(shí)測(cè)高光譜數(shù)據(jù)評(píng)價(jià)太湖富營(yíng)養(yǎng)化狀態(tài)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 姜小光;王長(zhǎng)耀;王成;;高光譜數(shù)據(jù)的光譜信息特點(diǎn)及面向?qū)ο蟮奶卣鲄��?shù)選擇——以北京順義區(qū)為例[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 楊仁忠;馬利春;石璐;王欣;;基于GPU的高光譜數(shù)據(jù)實(shí)時(shí)處理平臺(tái)結(jié)構(gòu)設(shè)計(jì)與分析[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

5 張霞;張兵;胡方超;童慶禧;;CHRIS高光譜數(shù)據(jù)大氣自校正與儀器定標(biāo)精度評(píng)價(jià)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

6 李英杰;薛勇;光潔;何興偉;梅林露;王穎;徐慧;艾建文;;環(huán)境小衛(wèi)星高光譜數(shù)據(jù)在氣溶膠定量反演及沙塵監(jiān)測(cè)中的應(yīng)用初探[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

7 董廣軍;;PHI高光譜數(shù)據(jù)光譜重建及城市分類(lèi)應(yīng)用研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

8 曹揚(yáng);胡榮;金彬;張佩;;一種準(zhǔn)確快速的高光譜數(shù)據(jù)光譜混合分析方法[A];第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2013年

9 陳軍;楊存建;許輝熙;程曦冉;;MODIS高光譜數(shù)據(jù)的初步分析和應(yīng)用探討[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

10 張萌;趙慧潔;李娜;;高光譜數(shù)據(jù)光譜分辨率對(duì)礦物識(shí)別的影響分析[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專(zhuān)題）[C];2006年

相關(guān)博士學(xué)位論文 前5條

1 李興;高光譜數(shù)據(jù)庫(kù)及數(shù)據(jù)挖掘研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

2 張兵;時(shí)空信息輔助下的高光譜數(shù)據(jù)挖掘[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

3 邢東興;基于高光譜數(shù)據(jù)的果樹(shù)理化性狀信息提取研究[D];西北農(nóng)林科技大學(xué);2009年

4 滿其霞;激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類(lèi)方法研究[D];華東師范大學(xué);2015年

5 高曉惠;高光譜數(shù)據(jù)處理技術(shù)研究[D];中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 李志花;基于C#的冬小麥長(zhǎng)勢(shì)高光譜數(shù)據(jù)處理系統(tǒng)開(kāi)發(fā)[D];山西農(nóng)業(yè)大學(xué);2015年

2 楚萬(wàn)林;基于高光譜數(shù)據(jù)的棉花生長(zhǎng)信息模型模擬研究[D];西北農(nóng)林科技大學(xué);2015年

3 趙興;基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類(lèi)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 鄭思遠(yuǎn);面向異常檢測(cè)的高光譜數(shù)據(jù)線性子空間估計(jì)[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

5 陳芳;基于HJ1A高光譜數(shù)據(jù)和CCD數(shù)據(jù)的植被信息提取方法研究[D];福建農(nóng)林大學(xué);2015年

6 蘇樂(lè)樂(lè);改進(jìn)型人工免疫系統(tǒng)及其在高光譜數(shù)據(jù)處理中的應(yīng)用[D];中國(guó)地質(zhì)大學(xué)（北京）;2009年

7 喬宇;基于松馳聚類(lèi)假設(shè)的高光譜數(shù)據(jù)分類(lèi)研究[D];西安電子科技大學(xué);2014年

8 王鑫祿;城市高光譜數(shù)據(jù)的頻譜空間分類(lèi)方法研究[D];吉林大學(xué);2010年

9 靳紅紅;基于極速學(xué)習(xí)理論的高光譜數(shù)據(jù)分類(lèi)[D];西安電子科技大學(xué);2014年

10 范瀟;基于高光譜數(shù)據(jù)解譯的近海岸要素分析及應(yīng)用分析[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：2159878