一种基于高维空间凸面单形体体积的高光谱图像解混算法

基于三角形中一个简单的含量与体积比的关系:三角形ABC内的任何一点P与三角形任意两个顶点(比如B,C)构成的面积PBC与整个三角形ABC的面积之比即为另一个顶点A在P中的含量.将其推广并且严格证明了上述规律对于高维空间中凸面单形体仍然成立.基于上述结论,对在Cuprite获取的AVIRIS数据进行了光谱解混的实验验证,取得了良好的实验效果.     

改进的主峭度分析算法及其在高光谱图像小目标检测中的应用

由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维。主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法。它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法。小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题。该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标。但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数。仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度。     

一种基于端元投影向量的高光谱图像地物提取算法

利用高光谱图像在波段空间中呈现凸面单体这一几何特性,提出了一种用于提取地物的端元投影向量生成算法,端元投影向量的生成以下面事实为依据:在高维波段空间中,每一个端元都游离于其他所有的端元构成的超平面之外,且是距离超平面最远的点.利用在Cuprite获取的AVIRIS数据对端元投影向量生成算法进行了验证,实验结果表明该算法可以有效地用于地物提取.     

高维叉积的矩阵计算以及在高光谱图像端元自动提取中的应用

把三维空间中叉积的概念推广到高维空间,得到了高维空间中叉积的矩阵定义和计算公式.利用叉积的特殊性质,提出了自动提取端元的体积方差比指标,克服了传统方法仅仅利用单形体体积而使得端元提取结果易受异常点影响的缺陷.利用在Cuprite获取的AVIRIS数据进行端元提取实验,取得了良好的效果.     

用于图像去噪的一个四阶偏微分方程

用偏微分方程给图像去噪,传统上方程都是二阶的,Yu-Li和M.Kaveh提出的一个四阶偏微分方程,在去噪的同时,更好地保持并近似了图像的边界,但Yu-Li和M.Kaveh所提出的偏微分方程对椒盐噪声却无能为力,并且容易造成光滑区域不平整的现象.针对这个现象,作者修改Yu-Li和M.Kaveh方程中的一个扩散项的系数,得到了一个去噪效果更好的方程,并且可以消去椒盐噪声.     

高光谱图像快速Gram行列式端元提取优化方法

高光谱图像快速Gram行列式端元提取算法基于高光谱图像最大单形体体积标准,具有容易理解、算法复杂度低、无需降维处理等特点,但是其在进行端元提取时,采用的计算公式仍需进行矩阵求逆,随着端元的逐个求解,矩阵维数增多导致计算量增加。由于端元提取时获得的端元Gram矩阵满足对称特性,引入埃尔米特矩阵(Hermitian matrix)分块求逆引理,简化矩阵求逆处理,优化快速Gram行列式端元提取方法。采用美国Cuprite矿区的机载可见光/红外成像光谱仪(airborne visible/infrared imaging spectrometer,AVIRIS)机载高光谱图像进行实验验证,并对该方法在不同初始化条件下的求解结果进行分析,结果表明快速Gram行列式端元提取方法会受到初始条件的影响,在端元、像元数量增加时所提方法可提升计算效率。     

一种利用单形体体积自动提取高光谱图像端元的算法

高光谱数据端元的提取是理解高光谱数据、继而对数据进行进一步分析（比如解混、填图等）的前提.基于高光谱数据在特征空间的几何特性提出了一种基于高维单形体体积的自动提取高光谱数据端元的快速算法，与N-FINDR方法中所用单形体体积公式受限于数据维数的缺陷相比，该方法适用于任何维数的数据，因而也更加合理和有效.利用在Cuprite获取的AVIRIS数据来验证此算法.