一種基于相對豐度的高光譜圖像解混方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及基于高光譜圖像解混方法，尤其涉及一種基 于相對豐度的高光譜圖像解混方法。
【背景技術(shù)】
[0002] 高光譜圖像是同時(shí)反映物體反射光譜信息和空間信息的三維數(shù)據(jù)圖像。利用圖像 分光儀及傳感器在紫外線，可見光，近紅外，紅外獲取相對連續(xù)的一系列窄波段下的光譜特 征。在三維圖像數(shù)據(jù)中，兩維代表空間信息，另一維代表一個(gè)像元的光譜信息。高光譜圖像 由其快速無損等特性，常用于遙感、食品、醫(yī)藥、石油化工等行業(yè)。
[0003] 由于傳感器的空間分辨率限制以及自然界地物的復(fù)雜多樣性，一些像元中常常不 止含有一種物質(zhì)，這樣的像元被稱為混合像元。由于混合像元的的存在，使得傳統(tǒng)的分類方 法不適于地物的精確細(xì)分和鑒別。為了提高遙感分類的準(zhǔn)確性，必須解決混合像元的問題， 因此混合像元解混在地物分類和識別之前成為關(guān)鍵的一步。通常情況，假設(shè)高光譜圖像滿 足線性混合模型（LMM)，該模型是指圖像中的像元是由組成圖像的基本物質(zhì)（端元）在不同 波段下的光譜特性線性組合而成。因此混合像元解混，就是結(jié)合高光譜自身的信息，利用圖 像處理方法，獲得組成像元的端元，和端元在對應(yīng)像元中所占的比例，又稱豐度。端元的豐 度需要滿足非負(fù)（ANC)和和為1的限制（ASC)。
[0004] 傳統(tǒng)的混合像元的解混一般可以分為兩個(gè)步驟：端元提取和豐度反演。當(dāng)像元中 含有純凈像元時(shí)，即該像元中只含有一種物質(zhì)，從幾何角度出發(fā)，常用解混方法有純像元指 數(shù)（PPI)，N-FINDR，迭代誤差分析（IEA)，點(diǎn)成分分析（VCA)和自動(dòng)端元提?。ˋEE)等。當(dāng) 像元中無純凈像元時(shí)，采用帶有最小體積約束的方法，如最小體積單形體分析（MVSA)，通過 分裂增強(qiáng)拉格朗日單形體識別（SISAL)及基于最小閉合單形體體積的凸分析（MVES)。在所 有的端元提取出之后，常常利用全限制最小二乘法（FCLS)對相應(yīng)的端元進(jìn)行豐度反演。除 了上述的傳統(tǒng)混合像元解混，盲信號分解算法也常常用于高光譜的解混中。在盲信號分解 中，同時(shí)分解出圖像中的端元及其對應(yīng)的豐度值。常用的方法有獨(dú)立成分分析（ICA)，光譜 和空間復(fù)雜度分析，非負(fù)矩陣分解（NMF)及其相關(guān)算法等。如果解混之前可以用光譜輻射 計(jì)從地面獲取光譜數(shù)據(jù)庫，那么解混就變成了從這個(gè)大的光譜數(shù)據(jù)庫中優(yōu)化出一個(gè)子集， 然后求解出子集中端元對應(yīng)的豐度。常用稀疏回歸算法來實(shí)現(xiàn)此優(yōu)化。
[0005] 上述的各種解混方法都各有利弊，如傳統(tǒng)算法中有些端元提取必須要求像元中含 有純凈端元；帶有最小體積約束的算法過于復(fù)雜；盲信號分解算法用于解混時(shí)，優(yōu)化過程 計(jì)算量很大，耗時(shí)長；稀疏回歸算法必須要求提前獲取光譜庫。因此，針對不同的高光譜圖 像數(shù)據(jù)，需要合理的選擇像元解混方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的就是為了解決上述問題，提供一種基于相對豐度的高光譜圖像解混 方法，它具有用理論相對簡單，耗時(shí)短的算法實(shí)現(xiàn)混合像元的解混，同時(shí)獲取像元中的端元 及其相對豐度的優(yōu)點(diǎn)。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0008] 一種基于相對豐度的高光譜圖像解混方法，包括如下步驟：
[0009] 步驟（1):輸入高光譜圖像數(shù)據(jù)矩陣文及端元個(gè)數(shù)K，所述高光譜圖像數(shù)據(jù)矩陣文 是BXN的矩陣，其中B為高光譜圖像包含的總波段數(shù)，N為圖像中像元總個(gè)數(shù)；并利用值在 〇，1間的隨機(jī)數(shù)初始化相對豐度矩陣U，使其滿足約束條件；所述相對豐度矩陣U是KXN的 矩陣，其中K表示端元個(gè)數(shù)，N表示圖像中像元總個(gè)數(shù)；
[0010] 步驟⑵：利用小波變換對高光譜圖像數(shù)據(jù)矩陣1在不同波段方向進(jìn)行降噪處理， 得到去噪后的高光譜數(shù)據(jù)矩陣X ;
[0011] 步驟（3):用步驟（2)降噪后的高光譜數(shù)據(jù)矩陣X以及步驟（1)中初始化的相對 豐度矩陣U，計(jì)算端元矩陣M;
[0012] 步驟（4):利用步驟（1)得到的初始化相對豐度矩陣U和步驟（3)中計(jì)算的端元 矩陣M，計(jì)算目標(biāo)函數(shù)J;
[0013] 步驟（5):如果步驟（4)所計(jì)算的目標(biāo)函數(shù)J小于預(yù)先設(shè)定閾值或者J的改變量 小于設(shè)定閾值，就進(jìn)入步驟（6);否則，就計(jì)算相對豐度矩陣U，并且返回步驟（3);
[0014] 步驟（6):算法收斂，輸出高光譜圖像解混后的端元矩陣M和相對豐度矩陣U，算法 結(jié)束。
[0015] 所述步驟（1)的約束條件為：
[0016]
【主權(quán)項(xiàng)】
1. 一種基于相對豐度的高光譜圖像解混方法，其特征是，包括如下步驟： 步驟（1):輸入高光譜圖像數(shù)據(jù)矩陣1及端元個(gè)數(shù)κ，所述高光譜圖像數(shù)據(jù)矩陣X是 BXN的矩陣，其中B為高光譜圖像包含的總波段數(shù)，N為圖像中像元總個(gè)數(shù)；并利用值在0， 1間的隨機(jī)數(shù)初始化相對豐度矩陣U，使其滿足約束條件；所述相對豐度矩陣U是KXN的矩 陣，其中K表示端元個(gè)數(shù)，N表示圖像中像元總個(gè)數(shù)； 步驟（2):利用小波變換對高光譜圖像數(shù)據(jù)矩陣戈在不同波段方向進(jìn)行降噪處理，得 到去噪后的高光譜數(shù)據(jù)矩陣X ; 步驟（3):用步驟（2)降噪后的高光譜數(shù)據(jù)矩陣X以及步驟（1)中初始化的相對豐度 矩陣U，計(jì)算端元矩陣M ; 步驟（4):利用步驟（1)得到的初始化相對豐度矩陣U和步驟（3)中計(jì)算的端元矩陣 M，計(jì)算目標(biāo)函數(shù)J ; 步驟（5):如果步驟（4)所計(jì)算的目標(biāo)函數(shù)J小于預(yù)先設(shè)定閾值或者J的改變量小于 設(shè)定閾值，就進(jìn)入步驟（6);否則，就計(jì)算相對豐度矩陣U，并且返回步驟（3); 步驟（6):算法收斂，輸出高光譜圖像解混后的端元矩陣M和相對豐度矩陣U，算法結(jié) 束。
2. 如權(quán)利要求1所述的一種基于相對豐度的高光譜圖像解混方法，其特征是，所述步 驟（1)的約束條件為：
式中，K為端元個(gè)數(shù)；iiu為第j個(gè)像元中第i個(gè)端元的相對豐度。
3. 如權(quán)利要求1所述的一種基于相對豐度的高光譜圖像解混方法，其特征是，所述步 驟（4)計(jì)算計(jì)算目標(biāo)函數(shù)J的計(jì)算公式為：
式中，N為像元總數(shù)；K為端元個(gè)數(shù)；Xj為第j個(gè)像元;m i為M中第i個(gè)端元；u u為第j 個(gè)像元中第i個(gè)端元的相對豐度；d為像元到端元的歐式距離；I e [1，〇〇 )是一個(gè)加權(quán)指 數(shù)，通過最優(yōu)化J，使得端元與像元之間的非相似性指數(shù)的價(jià)值函數(shù)達(dá)到最小。
4. 如權(quán)利要求1所述的一種基于相對豐度的高光譜圖像解混方法，其特征是，所述步 驟（3)計(jì)算端元矩陣M的計(jì)算公式為：
其中&為第j個(gè)像元中第i個(gè)端元的相對豐度，j取值范圍為1~N，i取值范圍為 1~K噸為M中第i個(gè)端元；K為端元個(gè)數(shù)，N為高光譜數(shù)據(jù)X的像元總數(shù)；X ^為高光譜數(shù) 據(jù)X的第j個(gè)像元；I e [1，00 )是一個(gè)加權(quán)指數(shù)。
5. 如權(quán)利要求1所述的一種基于相對豐度的高光譜圖像解混方法，其特征是，所述步 驟（5)計(jì)算相對豐度矩陣U的計(jì)算公式為：
其中，du為高光譜數(shù)據(jù)X的第j個(gè)像元到端元矩陣M的第i個(gè)端元的歐式距離，i取值 范圍為1~K，j取值范圍為1~N;uu為第j個(gè)像元中第i個(gè)端元的相對豐度；I e [1，〇〇) 是一個(gè)加權(quán)指數(shù)Wu為高光譜數(shù)據(jù)X的第j個(gè)像元到端元矩陣M的第t個(gè)端元的歐式距離， t的取值范圍為1~K。
【專利摘要】本發(fā)明公開了一種基于相對豐度的高光譜圖像解混方法，該方法包括以下步驟：對高光譜數(shù)據(jù)進(jìn)行小波分析去噪，然后通過迭代，優(yōu)化目標(biāo)函數(shù)，獲取端元矩陣及相對端元豐度矩陣。本發(fā)明算法簡單，計(jì)算量小，提高了高光譜混合像元解混的算法實(shí)用性。具體事例表明，該方法可以較好的完成高光譜混合像元的解混。
【IPC分類】G06T7-00, G06K9-62
【公開號】CN104751181
【申請?zhí)枴緾N201510155418
【發(fā)明人】劉治, 聶明鈺, 肖曉燕, 張偉, 唐波, 孫育霖
【申請人】山東大學(xué)
【公開日】2015年7月1日
【申請日】2015年4月2日