[发明专利]一种基于端元簇的高光谱图像解混方法

说明书

一种新型的基于端元簇的高光谱图像解混方法，通过端元簇的提取与基于端元簇的丰度反演两个步骤达到高光谱图像的自适应精确解混。该方法步骤如下：(1)基于全局图像的稀疏表示；(2)基于投票的备选端元筛选；(3)通过提取光谱形状特征进行端元簇构建；(4)构造分块过完备字典；(5)遍历整个图像，针对每个像素进行基于块稀疏的最佳端元选择；(6)利用全约束最小二乘法进行丰度估计，输出端元簇光谱与丰度结果。本方法主要针对高光谱图像中存在的光谱变异问题，能够有效减少由于光谱变异带来的误差，提高解混精度，同时基于图像本身的端元簇提取使得算法自适应性强。

技术领域

本发明涉及一种新型的基于端元簇的高光谱图像解混方法，能够通过技术手段有效减少解混时由于光谱变异带来的误差，属于遥感图像处理领域。

背景技术

高光谱遥感指具有高光谱分辨率的遥感技术，其探测的波段以纳米级别的光谱分辨率覆盖了包括紫外、可见光、近红外和中红外和热红外的光谱区域(0.4μm-2.5μm)。高光谱遥感能够连续并精细地描述地物光谱，在勘探、检测、识别方面具有突出优势。高光谱遥感发展潜力巨大，自20世纪80年代问世后，和成像雷达一同被视作遥感技术中最重要的两项技术突破。20世纪90年代以来，高光谱遥感已经逐渐成为国际上光电遥感的主流方向和遥感技术的热门课题。我国是世界上少数几个拥有独立自主高光谱遥感技术知识产权的国家之一。近年来，国家大力支持高光谱遥感技术的发展，很多科研工作者在863项目、国家自然科学基金等课题的支持下，在资源调查、环境监测、工程建设、农业识别、医学诊断等研究领域取得了显著成果。

受光谱仪空间分辨率限制和地物分布多样性的影响，高光谱图像中的一个像元往往包含多种地物，我们把这样的像元称为混合像元。与混合像元相对应的，我们把只含有一种地物的像元称为纯净像元，或者端元，同时在混合像元中，每种物质所占的百分比称为丰度。高光谱解混的目的就是获取图像中端元的特征光谱，并且借此求出混合像元中各个地物所占的比例。高光谱解混能够解决因为混合像元而带来的地物分布探测与物质识别的困难，因此在高光谱遥感图像的理论研究和应用中都占有很重要的地位。

现有的高光谱解混算法，普遍通过计算或选择一条光谱曲线来代表一个端元。然而，只用一条光谱曲线代表一个端元存在一定的局限性。在一幅图像中，由于光照不均、矿物粒度分布不同、所包含的有机物与杂质不同这些因素，同一物质的光谱很容易出现光谱变异现象。光谱变异引起光谱值的变化，继而导致解混误差。为了解决复杂环境下高光谱解混过程中出现的光谱变异问题，本发明利用端元簇的概念，即用一组光谱来表示一种物质，结合稀疏表示理论模型，提出一套全新的高效、精确的高光谱解混模型。

发明内容

针对图像出现的光谱变异现象，本发明设计一种全新的高光谱解混方法，方法的核心在于端元簇的自适应构建与基于端元簇的解混，通过端元簇对端元的全方位表达来减弱光谱变异现象造成的解混误差。本发明能够从图像中直接提取端元簇并进行解混，不需要光谱库作为先验信息，方法的自适应性强，适用环境广，能够有效提高解混精度。

为了实现上述目的，本发明采用的技术方案为：一种全新的高光谱解混方法，主要包括：备选端元提取、端元簇构建和丰度估计三个步骤。备选端元提取的目的是从图像中找出具有端元性质的点，里面包含各个端元的变异光谱。端元簇的构建需要在无监督的情况下将同类光谱聚合在一起，本发明通过提取光谱的形状特征来完成精确的光谱分类。最后在提取到的端元簇的基础上，针对每个像素找出最佳匹配光谱组合来进行丰度估计。

本发明所涉及的方法流程包括以下步骤：(1)基于全局图像的稀疏表示；(2)基于投票的备选端元筛选；(3)通过提取光谱形状特征进行端元簇构建；(4)构造分块过完备字典；(5)遍历整个图像，针对每个像素进行基于块稀疏的最佳端元选择；(6)利用全约束最小二乘法进行丰度估计，输出端元簇光谱与丰度结果。

下面对该方法流程各步骤进行详细说明。

(1)基于全局图像的稀疏表示