典型文献
基于优化K-P-Means解混方法的高光谱图像矿物识别
文献摘要：
有效的高光谱混合像元分解方法可以提高矿物信息提取的精度.为进一步研究高光谱混合像元分解方法,采用线性光谱混合模型解释高光谱图像的成像机制,用不同矿物端元的线性组合表达混合像元.在最大似然估计的框架下,利用期望最大算法对混合像元的端元和丰度进行估计.针对端元提取易受异常值影响的问题,提出基于随机抽样一致算法的稳健的K-P-Means算法,优化端元提取过程.利用光谱角度距离和光谱信息散度评价估计端元和真实端元的一致性;利用结构相似性和峰值信噪比衡量估计的丰度和端元重新获得的图像与原图像的相似性.多种仿真数据指标显示,该优化模型可以获得精度较高的端元和丰度估计结果.通过将提取的端元与美国地质调查局光谱库提供的矿物波谱曲线进行匹配来确定矿物类型,真实数据采用内华达州铜矿区的AVIRIS高光谱传感器Cuprite数据集.矿物提取结果显示,该模型对绿泥石等8种类别的主要矿物识别结果较好,矿物聚集性明显,与实际情况一致.该方法不仅可以较好地提取矿物信息,而且可以有效抵制噪声的影响.
文献关键词：
矿物;高光谱图像;端元;解混;稳健
中图分类号：
作者姓名：
孙肖;徐林林;王晓阳;田野;王伟;张中跃
作者机构：
中国地质调查局廊坊自然资源综合调查中心,廊坊 065000;中国地质大学(北京)土地科学技术学院,北京 100083
文献出处：
引用格式：
[1]孙肖;徐林林;王晓阳;田野;王伟;张中跃-.基于优化K-P-Means解混方法的高光谱图像矿物识别)[J].自然资源遥感,2022(03):43-49
A类：
B类：
Means,解混,高光谱图像,矿物识别,混合像元分解,分解方法,信息提取,混合模型,模型解释,成像机制,线性组合,最大似然估计,期望最大算法,端元提取,异常值,随机抽样一致算法,利用光,度距离,光谱信息散度,结构相似性,峰值信噪比,原图,仿真数据,标显,美国地质调查局,光谱库,波谱,谱曲,真实数据,内华达州,铜矿,矿区,AVIRIS,Cuprite,矿物提取,绿泥石,聚集性,抵制
AB值：
0.318622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
