关键词：
张量分析
高光谱图像
解混算法
噪声抑制
结构张量
边缘检测
摘要：
随着计算机科学的飞速发展,涌现出大量的高维数据,比如视频流、遥感图像等。由于巨大的存储需求和计算成本,传统的数据分析方法已经不能满足这种数据量日渐增长的处理需求。由于张量分析在处理多维信号中所表现出的性能优势,基于张量分析的高维数据处理已成为一个重要研究课题。本文的主要研究工作可以归纳如下:1.利用非负二阶张量秩-2分解方法,仿真实现了基于分裂的层次决策二叉树在高光谱图像光谱解混中的应用:在满足丰度值非负和丰度矢量完整可加性两个约束条件下,高光谱图像是一种线性混合模型。因此,在线性混合模型假设条件下,本文分析了基于凸几何学理论的混合象元分解方法,即光谱矢量集合构成线性空间中的一个单形体,其中端元光谱矢量对应于该单形体的顶点,混合象元光谱矢量则位于单形体的内部。本文采用基于凸几何学的端元提取算法,即连续投影算法,来确定单形体的顶点,从而建立其端元光谱矩阵。然后,再利用非负二阶张量秩-2分解方法得到其丰度矩阵。最后,再通过逐层分裂聚类处理来实现光谱解混的目的。2.提出了一种基于归一化噪声能量比和Tucker分解的图像去噪算法:首先,通过分析高光谱图像在空间维和光谱维的强相关特性,利用多元回归分析方法来估计图像在空间维和光谱维中的归一化噪声比,进而得到其Tucker分解的秩估计值。然后,分析了该算法在不同信噪比环境下的性能特性,根据其在低信噪比下的性能优势,并借鉴主成分分析在信号分离中的优势,提出了一种基于归一化噪声能量比和Tucker分解的去噪方法。3.提出了一种基于加权修正结构张量分析的多维遥感图像边缘提取改进算法:标准的初始结构张量是所有二维图像在同一象元处的初始结构张量的平均,即认为不同图像对局部结构信息的贡献量完全一样;但在实际图像中,不同的二维图像不可能提供完全等量的局部结构信息。由于初始结构张量的特征值差异反应了其局部结构,所以本文推导了一种度量图像空间连贯性的纹理相干性估计公式,并根据该相干性大小对初始结构张量进行加权修正和平滑处理,进而实现了对多维遥感图像边缘的有效提取。
欢迎来到三峡大学图书馆！
