[发明专利]基于几何空谱结构信息的高光谱混合像元分解方法

说明书

技术领域

本发明属于高光谱遥感数据处理技术领域，涉及高光谱数据解混，具体是一种基于几何空谱结构信息的高光谱混合像元分解方法，可用于地物探测和目标异常检测和亚像素鉴别的研究。

背景技术

高光谱遥感技术是近十几年来发展起来的一种新兴遥感技术。高光谱遥感数据相对于传统的多光谱数据拥有更加丰富的光谱信息，其广泛应用表明高光谱遥感技术的较大潜力。针对其在军事，工业和民用上的应用，相应的处理技术有：降维，目标检测，变化检测，端元提取，混合像元分解和分类。高光谱图像虽然具有较高的光谱分辨率，但其空间分辨率是有限的，因而在一个瞬时视场中往往包含几种不同的地物，即光谱混合现象，几乎无法辨识，降低目标检测算法的性能。为了解决这一问题，混合像元分解技术可用来提取地物的光谱特性曲线以及预测像元内包含目标的比例成分，对后续处理研究具有重要意义。通常，在假设的线性混合模型下，无监督的解混方法在步骤上可先进行端元提取再进行丰度估计，也可以两者同时计算；按照纯端元的存在假设也可分为：纯端元存在数据中的方法和数据中不存在纯端元的方法。

其中，非负矩阵分解(NMF)是一种有效的高光谱解混技术。在纯端元不存在于数据中的假设下，这类可同时计算纯端元特性曲线和丰度分布比例的方法也是可行的。国内外研究者近几年提出了各种改进的非负矩阵分解解决混合像元的问题，包括最小体积约束的非负矩阵分解(MVCNMF)，稀疏约束的非负矩阵分解(SNMF)，平滑性约束的非负矩阵分解(PNMFSC)等等。但这些方法对不存在纯端元的遥感数据存在识别端元不准，分布比例计算不精确的问题，并且没有考虑到数据自身的空间结构邻近相似性以及谱间统计性的相似特点，使得现有方法存在局限性。

发明内容

本发明的目的在于克服上述已有技术的不足，考虑到对数据空谱信息的利用提出了一种基于几何空谱结构信息的高光谱混合像元分解方法，以明确端元的分布特性以及空间位置信息对结果的影响，提高解混效果。

本发明的技术方案是：一种基于几何空谱结构信息的高光谱混合像元分解方法，其步骤包括如下：

(1)输入高光谱数据，图像大小为a×b像素,并预处理得到高光谱数据L为处理的波段个数，N为像素点个数，N＝a×b；

(2)用VD估计法，计算纯端元个数p；

(3)提取高光谱图像的轮廓信息，通过PCA降维提取出第一主成分量提出对Y用Robert算子提取场景轮廓图N＝a×b；

(4)根据边缘信息、位置信息计算高光谱数据之间的几何空间距离度量提出此空间距离的公式；

大小为m×m像素的局部空间窗LW内若中心点为(m_i,n_i)，在局部窗LW内，通过轮廓线判定中心点(m_i,n_i)与周围任一点(m_j,n_j)是否处在同一区域内，局部空间窗LW内任一点(m_j,n_j)与中心点的几何空间距离度量为：

此处为两个光谱向量之间的差异；

(5)根据数据光谱统计信息计算谱间距离度量提出此谱间距离的公式；

在光谱维上，对数据建立最近邻图，则两个光谱向量x_i,x_j之间的几何谱间距离度量定义为：