1 东南大学能源与环境学院, 江苏 南京 210096
2 江苏啸峰环保科技股份有限公司, 江苏 南京 211111
综合奇异值截断法、奇异值修正法、Tikhonov正则化思想及Chahine迭代算法,提出一种改进的病态问题求解算法来测量颗粒系的粒径分布。结合Backus-Gilbert折中准则与奇异值最小原则确定了奇异截断值,采用L曲线法确定了最优正则化参数,并利用联合迭代反演法(SIRT)实现解的非负约束。模拟及实验结果表明,该算法对单、双峰分布的测量误差均小于3%,其抗噪性能、测量准确性、时效性及粒径测量范围相较其他反演算法都有明显优势。
测量 粒径分布 改进算法 近场散射 病态问题 非负约束
1 中国科学院光电研究院, 北京 100094
2 中国科学院大学, 北京 100049
由整星混合光谱反演卫星特征的核心在于数理模型及反演算法, 基于此建立了光谱混合数理模型并进行了实验验证。首先, 对部件光谱散射模型、线性光谱混合模型、整星光谱解混方法进行了理论分析; 然后, 设计实验定标测量了高保真GEO卫星模型及部件的光谱BRDF特性, 讨论了部件和材料光谱散射特性的差别; 最后, 采用非负约束最小二乘法对卫星整体光谱进行了解混分析, 最大相对残差小于10%。实验结果表明, 线性光谱混合模型及非负约束最小二乘解混方法对于描述卫星光谱混合机理、反演卫星状态具有一定实用意义。
卫星部件 光谱BRDF 线性光谱混合 非负约束最小二乘 光谱解混 satellite components spectral BRDF linear spectral mixing non-negative constrained least square spectral unmixing 红外与激光工程
2016, 45(s1): S123001
1 复旦大学 电磁波信息科学教育部重点实验室, 上海 200433
2 北京师范大学 地表过程与资源生态国家重点实验室, 北京 100875
3 中国交通通信信息中心, 北京 100011
高光谱图像解混是高光谱数据分析的重要研究内容.在现有混合模型的基础上, 提出一种新的高光谱图像非线性解混算法.通过在目标函数中引入丰度的非负及和为一约束以及非线性参数的有界约束, 该算法将高光谱图像非线性解混问题转化为求解丰度矢量和非线性参数的约束非线性最小二乘问题, 继而采用一种交替迭代优化算法求解该问题.仿真和实际高光谱数据的实验结果表明, 所提出的算法有效地克服了线性解混的不足, 同时具有良好的抗噪声性能, 可以作为一种解决高光谱遥感图像非线性解混的有效手段.
高光谱遥感图像 非线性解混 非线性最小二乘 丰度非负约束 丰度和为一约束 有界约束 hyperspectral imagery nonlinear unmixing nonlinear least squares abundance nonnegative constraint abundance sum-to-one constraint bound constraint
1 复旦大学 电子工程系, 上海 200433
2 复旦大学 波散射与遥感信息教育部重点实验室, 上海 200433
传统的独立分量分析并不适用于高光谱遥感图像的混合像元解混, 因为图像中各端元的分布不是相互独立的.针对这一问题, 提出了一种有约束的独立分量分析方法, 来实现遥感图像混合像元的盲分解.通过在独立分量分析的目标函数中引入丰度非负约束与丰度和为一约束, 改变了传统的独立性假设.同时, 为了更好地适用于遥感数据分析, 还提出了一种自适应的丰度建模方法来描述数据的概率分布, 对各种不同的遥感数据进行建模.仿真数据和真实高光谱数据的实验结果表明, 作为一种无需光谱先验信息的算法, 具有更高的分解精度, 为高光谱遥感图像混合像元的盲分解提供了一种有效的解决手段.
高光谱解混 独立分量分析 丰度非负约束 丰度和为一约束 hyperspectral unmixing independent component analysis (ICA) abundance nonnegative constraint(ANC) abundance sum-to-one constraint(ASC)
