[发明专利]基于AMRF的高光谱图像稀疏解混方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及稀疏解混技术领域中的一种基于自适应的马尔科夫随机场（Adaptive Markov random field，AMRF）的高光谱图像稀疏解混方法。本发明可用于各种数字设备的高光谱图像稀疏解混处理，能有效提高高光谱图像稀疏解混的精度。

背景技术

高光谱图像中混合像元的存在，是传统的像元级遥感分类和面积量测精度难以达到使用要求的主要原因。为了提高遥感应用的精度，就必须解决混合像元的分解问题，使遥感应用由像元级达到亚像元级。进入像元内部，将混合像元分解为不同的基本组成单位，称为端元，并求得端元所占的比例，这就是所谓的光谱解混技术。

Marian-Daniel Iordache,José M.Bioucas-Dias和Antonio Plaza在文献“Sparse Unmixing of Hyperspectral data”([J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(6).)中提出了一种基于变量分裂和增广拉格朗日(sparse unmixing via variable splitting and augmented Lagrangian,SUnSAL)的稀疏分解方法。该方法将稀疏表示理论应用到高光谱图像线性解混中，建立稀疏解混模型，从而将解混问题转化为求解一个大型非光滑凸优化问题，并且利用交替乘子替换法求解该稀疏解混模型。但是该方法依然存在的不足是，在高光谱图像稀疏解混过程中，稀疏解混精度低。

北京航天航空大学拥有的专利技术“一种基于随机投影的高光谱图像稀疏解混方法”（专利申请号：201110207433.0，授权公告号：CN102314685A）提出了一种基于随机投影的高光谱图像稀疏解混方法。该专利技术利用高光谱数据库，为丰度加以稀疏性约束，进而求得高光谱图像每个象元的组成物质以及其含量百分比，实现高光谱图像的定量分析。该方法虽然利用了高光谱数据库来选择端元，克服了传统算法所求出的端元与标准数据库中的纯物质光谱无法严密对应的缺点。但是仍然存在的不足是，该方法在高光谱图像稀疏解混过程中，高光谱图像稀疏解混耗时长、效率低。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于AMRF的高光谱图像稀疏解混方法，以提高高光谱图像稀疏解混的精度，克服高光谱图像稀疏解混效率低的问题，减少高光谱图像稀疏解混所需的时间。

为实现上述目的，本发明的具体步骤包括如下：

（1）输入解混参数：

分别输入待解混的高光谱图像、高光谱标准波谱数据库、待解混的高光谱图像的参考丰度矩阵；

（2）预处理：

(2a)采用遥感影像处理软件，对输入的待解混的高光谱图像进行降噪处理，得到无噪声高光谱图像；

(2b)采用遥感影像处理软件，对高光谱标准波谱数据库进行降噪处理，得到无噪声高光谱标准波谱数据库；

（3）按照下式，构造马尔科夫约束模型：