Алгоритм оценки параметров линейной спектральной смеси с полными ограничениями для анализа отсчётов гиперспектральных изображений
Денисова А.Ю.
, Мясников В.В.

Самарский государственный аэрокосмический университет имени академика С.П. Королёва
(национальный исследовательский университет) (СГАУ),

Институт систем обработки изображений РАН

Аннотация:
В статье предлагается и исследуется алгоритм оценки коэффициентов линейной спектральной смеси, определяющей модель формирования отсчётов гиперспектральных изображений с использованием набора спектральных сигнатур. Набор спектральных сигнатур предполагается заданным, а на коэффициенты смеси накладываются ограничения: сумма коэффициентов полагается равной единице, каждый из коэффициентов должен быть неотрицательным. Дан обзор существующих методов и подходов к решению рассматриваемой задачи. Представлены результаты исследований, характеризующие качество и скорость работы предлагаемого алгоритма.

Ключевые слова :
гиперспектральные изображения, линейная спектральная смесь, ограничения, гиперспектральный анализ, метод наименьших квадратов.

Литература:

  1. Singer, R.B. Mars: Large scale mixing of bright and dark surface materials and implications for analysis of spectral reflectance / R.B. Singer, T.B. McCord // Proceedings of 10th Lunar Planetary Science Conference. – 1979. – P. 1835-1848.
  2. Hapke, B. Bidirectional reflectance spectroscopy: 1. Theory / B. Hapke // Journal of Geophysical Research: Solid Earth (1978–2012). – 1981. – Vol. 86(B4). – P. 3039-3054.
  3. Johnson, P. A semiempirical method for analysis of the reflectance spectra of binary mineral mixtures / P. Johnson, M. Smith, S. Taylor-George, J. Adams // Journal of Geophysical Research: Solid Earth (1978–2012). – 1983. – Vol. 88(B4). – P. 3557-3561.
  4. Chang, C.I. Hyperspectral Data Processing: Algorithm Design and Analysis / C.I. Chang. – John Wiley & Sons, 2013. – 1164 p.
  5. Chang, C.I. Hyperspectral data exploitation: theory and applications / C.I. Chang. – Wiley-Interscience, 2007. – 456 p.
  6. Chang, C.I. Hyperspectral imaging: techniques for spectral detection and classification / C.I. Chang. – Springer, 2003. – 370 р.
  7. Keshara, N. A Survey of Spectral Unmixing Algorithms / N. Keshara // Lincoln Laboratory Journal. – 2003. – Vol. 14(1). – P. 55-78.
  8. 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. – Vol. 38(3). – P. 1144-1159.
  9. 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. – Vol. 39(3). – P. 529-545.
  10. Lawson, C.L. Solving Least Square Problems / C.L. Lawson, R.J. Hanson. – New Jersey: Prentice Hall, Englewood Cliffs, 1974. – 350 p.
  11. Haskell, K.H. An algorithm for linear least squares problems with equality and nonnegativity constraints / K.H. Haskell, R.J. Hanson // Mathematical Programming. – 1981. – Vol. 21(1). – P. 98-118.
  12. Bro, R. A fast Non-negativity-constrained least squares algorithm / R. Bro, S. de Jong // Journal of Chemometrics. – 1997. – Vol. 11. – P. 393-401.
  13. Rosen, J.B. The gradient projection method for nonlinear programming, part 1: linear constraints / J.B. Rosen // Journal S.I.A.M. – 1960. – Vol. 8. – P. 181-217.
  14. Rosen, J.B. The gradient projection method for nonlinear programming, part 1: nonlinear constraints / J.B. Rosen // Journal S.I.A.M. – 1961. – Vol. 9. – P. 514-532.
  15. Мину, М. Математическое программирование: Теория и алгоритмы / М. Мину. – Пер. с фр. и предисл. А.И. Штерн. – М.: Наука, 1990. – 488 с.
  16. Денисова, А.Ю. Алгоритмы анализа линейной спектральной смеси на гиперспектральных изображениях с использованием картографической основы / А.Ю. Денисова, В.В. Мясников // Компьютерная оптика – 2014. – T. 38, № 2. – C. 297-303.
  17. Фурсов, В.А. Тематическая классификация гиперспектральных изображений по показателю сопряжённости / В.А. Фурсов, С.А. Бибиков, О.А. Байда // Компьютерная оптика. – 2014. – Т. 38, № 1. – С. 154-158.
  18. Кузнецов, А.В. Сравнение алгоритмов управляемой поэлементной классификации гиперспектральных изображений / А.В. Кузнецов, В.В. Мясников // Компьютерная оптика. – 2014. – Т. 38, № 3. – C. 494-502.
  19. 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