Алгоритмы анализа линейной спектральной смеси на гиперспектральных изображениях с использованием картографической основы
Денисова А.Ю.
, Мясников В.В.

PDF, 267 kB

DOI: 10.18287/0134-2452-2014-38-2-297-303

Страницы: 297-303.

Аннотация:
В статье предлагаются два алгоритма анализа линейной спектральной смеси на гиперспектральных изображениях с использованием картографической основы. Картографическая основа используется для уточнения коэффициентов спектрального разложения на границах объектов (для первого алгоритма) или формирования сигнатур малых объектов (для второго алгоритма), в составе которых нет ни одного целого спектрального отсчёта. Набор используемых спектральных сигнатур может быть как задан заранее (с неопределёнными коэффициентами), так и неизвестен и извлечён в процессе работы алгоритмов.

Ключевые слова :
гиперспектральные изображения, спектральное разложение, гиперспектральный анализ, субпиксельная селекция, метод наименьших квадратов, картографическая основа.

Литература:

  1. Chang, C.I. Hyperspectral Data Processing: Algorithm Design and Analysis / C.I. Chang. – John Wiley & Sons, 2013. – 1164 p.
  2. Chang, C.I. Hyperspectral data exploitation: theory and applications / C.I. Chang. – Wiley-Interscience, 2007. – 456 p.
  3. Chang, C.I. Hyperspectral imaging: techniques for spectral detection and classification / C.I. Chang. – Springer, 2003. – 370 р.
  4. Keshara, N. A Survey of Spectral Unmixing Algorithms / N. Keshara // Lincoln Laboratory Journal. – 2003. – V. 14(1). – P. 55-78.
  5. Heinz, D.C. Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery / D.C. Heinz, C.I. Chang // Geoscience and Remote Sensing, IEEE Transactions on. – 2001. – V. 39(3). – P. 529-545.
  6. Chang, C.I. Constrained subpixel target detection for remotely sensed imagery / C.I. Chang, D.C. Heinz // Geoscience and Remote Sensing, IEEE Transactions on. – 2000. – V. 38(3). – P. 1144-1159.
  7. Мину, М. Математическое программирование: Теория и алгоритмы: / М. Мину; – пер. с фр. и предисл. А.И. Штерна. – М.: Наука. Гл. ред. физ.-мат. лит, 1990. – 488 с.
  8. Haskell, K.H. An algorithm for linear least squares problems with equality and nonnegativity constraints / K.H. Haskell, R.J. Hanson // Mathematical Programming. – 1981. – V. 21(1). – P. 98-118.
  9. Plaza, A. Fast implementation of pixel purity index algorithm / A. Plaza, C.I. Chang // Proc. of the SPIE conference on Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XI. – 2005. – V. 5806. – P. 307-317.
  10. Clark, R.N. The U. S. Geological Survey, Digital Spectral Library: Version 1: 0.2 to 3.0 microns, U.S. Geological Survey Open File Report 93-592 / R.N. Clark, G.A. Swayze, A.J. Gallagher, T.V.V. King, W.M. Calvin – 1993. – 1340 p.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20