[发明专利]高光谱图像多端元模式的光谱混合分析方法

说明书

技术领域

本发明涉及一种高光谱图像的光谱混合分析方法，特别是一种基于多端元模式的光谱混合分析(Multiple endmember spectral mixture analysis，MESMA)方法，属于遥感信息处理技术领域。

背景技术

随着遥感技术的发展，高光谱图像(HSI)得到了越来越广泛的应用。高光谱图像的空间分辨率一般较低，这种情况导致了混合像元的广泛存在，即一个像元可能是几种类别的混合。对于这类像元，将其按照一般分类方法归属为任何一类都是不准确的。分析各类别成分在混合像元内所占的比例即分量值的技术称为光谱解混或光谱混合分析，是高光谱数据分析的最基本、最重要内容之一，从实质上讲它是一种更为精确的分类技术。在近十多年里，多种高光谱图像光谱混合分析算法相继发展起来，其中，线性光谱混合分析是一种典型的解混算法。在这种方法中，每个类别的光谱特征用一固定或单一的光谱即端元来描述。这些端元在无监督的情况下可通过N-FINDR，PPI和IEA等方法来获取，在有监督的情况下可从训练样本中提取。混合像元的光谱看作是这些端元的线性加权合成。然而，对于一个类别而言，每个光谱之间是存在很大差异的，因此，用单端元来描述一个类别是欠妥的。

多端元光谱混合分析技术是对传统的单端元光谱混合分析技术的一种扩展，其独特之处在于引入变化的端元来刻画一个类别，很好地解决了类内光谱差异的问题。目前已有一些典型文献提出了该方法的具体实施方案。C.ANN BATESON等采用BUNDLE方法，对每个类别均以若干个(一般3-5个)光谱来表示，这些光谱是利用现有的端元选择方法从纯像元监督样本中选出的，然后用所得解混分量值的最大和最小值来估计各类混合比例。ASNER和LOBELL等采用蒙特卡罗(MONTE CARLO)方法，用大量纯像元监督样本的随机组合来进行大量次的单端元模式解混，在利用置信区间解决类内光谱差异，估计混合像元中各类所占比例。Roberts等人开发了一种VIPER TOOLS方法，提供了一种类似于BUNDLE方法的一种多端元光谱混合分析方法，不同之处仅在于从纯像元监督样本选择多端元的方式不同。

虽然这些已有的多端元光谱混合分析方法克服了传统单端元的不足，取得了良好的效果。但是，这些方法仍然存在明显的不足，特别是解混次数过多导致运算速度慢、多端元选择过程复杂等。

发明内容

本发明的目的在于提供一种具有低复杂度、高效率的高光谱图像多端元模式的光谱混合分析方法。

本发明的目的是这样实现的：

输入待分析混合像元为p；输入全部N类别的端元第i类别的端元数目为C_i，其中i＝1，2，·，N；按照如下步骤进行分析：

步骤1)混合比例的初次分析：第i、其中i＝1，2，·，N个混合比例f_i(p)为

f_i(p)＝<w_i，p>+b_i，

其中，截距b_i为中的第一个元素，斜率w_i为

w_i＝Eα，

其中，E为由当前全部的C个端元以类别为序组成的端元阵列，y为对应于E中第i类端元位置处的值为1、其余元素值为0的C维列向量，1_v为元素值全为1的C维列向量，参量α为中去掉第一个元素的列向量；

步骤2)混合比例的二次分析：依次检查混合比例f_j(p)，j＝1，2，·，N，当f_j(p)大于1时令其为1、小于0时令其为0，最后再将每个混合比例除以全部混合比例之和，得到的N个结果即为混合像元p的N个类别的正的、总和为100％的混合比例。

本发明还可以包括：

1、在混合比例的初次分析步骤前进行端元数目均衡，所述进行端元数目均衡是检查全部N类中各类的端元数目C_i(i＝1，2，·，N)，若C_i大于2min{C₁，C₂，·，C_N}，则对第i类端元进行整数倍降采样使之数目不小于min{C₁，C₂，·，C_N}同时不大于2min{C₁，C₂，·，C_N}。