基于光谱信息的空间目标模式识别算法研究

在观测空间目标时,往往会受到地基观测仪器等因素的制约,导致无法利用目标图像信息从外形上进行识别。根据不同空间目标表面组成材料不同,其产生的反射光谱会存在差异这一特性,可利用空间目标特有的光谱信息进行识别分类。基于此,从光谱学角度对空间目标识别算法进行研究,在K最近邻算法(KNN)的基础上,采用了一种自适应权重局部超平面方法(AWKH),算法主要在计算预测样本与超平面距离时加入对特征权重的考虑,构建了以样本特征组间差与组内差的比值作为特征权重值的超平面模型,从而提高了分类效果和分类效率。为验证算法的分类效果,本文进行了四组验证实验,第一组实验将美国地质勘探局数据库中提取出的九种常用材料光谱随机选出三种混合成多类进行识别;第二、三组实验将四种常用空间目标材料的光谱作为纯物质光谱,分别从可见光和近红外波段对其混合物质进行分类;第四组实验通过实测四个方形模型样本六个面的光谱对其进行识别分类。实验过程中将实验结果与目前常用的支持向量机(SVM)进行对比,对比结果表明改进后的AWKH算法在识别精度和样本适用范围上具有更高的优越性。

基于光谱信息的空间碎片材料种类数目估计方法仿真研究

在观测空间碎片时,受碎片结构紧凑、组成材料复杂,以及地基观测设备空间分辨率的限制,同一像元中通常会包含多种材料的信息,即产生"混合像元"。目前国内外对混合像元的研究主要集中在获取混合像元的纯物质光谱以及丰度上,往往忽略了高光谱数据中纯物质个数的确定对于没有任何先验信息的混合像元分析是至关重要的。如果估计的材料数目过少,将会导致解混出的材料光谱仍然是混合状态的像元;如果估计的材料数目过多,提取出的端元中将很有可能包含冗余噪声成分。基于光谱线性混合模型,提出一种改进的p范数纯像元辨识算法。主要利用光谱数据具有近似于低维流形的特性,首先采用正交投影的原理,将提取的端元扩充至正交投影算子中,然后分析投影后各个像元向量的p范数值,最终将p范数值高于阈值的向量个数作为材料种类数目。对实测碎片常用材料和美国地质勘测局数据库分别进行仿真实验,实验结果表明:提出的方法在估计材料种类数目的同时,还能提取出目标所包含的材料光谱,这在一定程度上提高混合光谱分解过程的自动化程度;相对于现有的一些主流算法,该方法有较强的鲁棒性,并且在信噪比不高的情况下仍能正确地估计空间碎片材料种类数目。