[发明专利]一种遥感图像的解混方法、系统及相关组件

说明书

本申请公开了一种遥感图像的解混方法，所述解混方法包括通过基于稀疏约束的非负矩阵分解算法对遥感图像进行解混得到端元矩阵和丰度矩阵；根据所述端元矩阵和所述丰度矩阵确定目标函数；根据所述目标函数生成对应的算法任务，并将所述算法任务输入至GPU中，以便利用所述GPU根据所述算法任务对所述目标函数进行迭代更新操作得到端元矩阵最优解和丰度矩阵最优解；根据所述端元矩阵最优解和所述丰度矩阵最优解生成图像解混结果。本方法能够提高遥感图像解混的处理效率，实现了快速遥感图像解混。本申请还公开了一种遥感图像的解混系统、一种计算机可读存储介质及一种图像处理装置，具有以上有益效果。

技术领域

本发明涉及图像处理领域，特别涉及一种遥感图像的解混方法、系统、一种计算机可读存储介质及一种图像处理装置。

背景技术

随着空间分辨率和波普分辨率的提高，高光谱遥感图像处理存在着数据量大，计算量大，算法普遍复杂度高等特征，越来越不能满足数据处理实时性的需求。

现有技术中，高光谱遥感混合像元分析所涉及的算法基本上都是采用串行的处理思路。但由于高光谱图像自身的特性，采用传统的串行处理办法，执行过程中高达数百亿次浮点运算会严重影响计算机执行速度，过长的耗时严重制约了混合像元分解的实时性。

因此，如何提高遥感图像解混的处理效率是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种遥感图像的解混方法、系统、一种计算机可读存储介质及一种图像处理装置，能够提高遥感图像解混的处理效率。

为解决上述技术问题，本申请提供一种遥感图像的解混方法，该解混方法包括：

通过基于稀疏约束的非负矩阵分解算法对遥感图像进行解混得到端元矩阵和丰度矩阵；

根据所述端元矩阵和所述丰度矩阵确定目标函数；

根据所述目标函数生成对应的算法任务，并将所述算法任务输入至GPU中，以便利用所述GPU根据所述算法任务对所述目标函数进行迭代更新操作得到端元矩阵最优解和丰度矩阵最优解；

根据所述端元矩阵最优解和所述丰度矩阵最优解生成图像解混结果。

可选的，在根据所述端元矩阵最优解和所述丰度矩阵最优解生成图像解混结果之后，还包括：

利用所述图像解混结果进行高光谱数据分析。

可选的，通过基于稀疏约束的非负矩阵分解算法对遥感图像进行解混得到端元矩阵和丰度矩阵；

将所述遥感图像输入MATLAB得到图像矩阵并根据所述图像矩阵通过基于稀疏约束的非负矩阵分解算法对所述遥感图像进行解混得到端元矩阵和丰度矩阵

其中，所述图像矩阵、所述元矩阵和所述丰度矩阵满足关系式V＝WH+E，R+表示矩阵中的值均为非负实数，L为所述图像矩阵的行数，I为所述图像矩阵的列数，E为噪声矩阵，J为所述端元矩阵的列数和所述丰度矩阵的行数。

可选的，根据所述端元矩阵和所述丰度矩阵确定目标函数包括：

利用欧氏距离根据所述端元矩阵和所述丰度矩阵确定所述目标函数；

其中，所述目标函数为W≥0,H≥0，为所述遥感图像的光谱数据的扩展，为所述端元矩阵W的扩展，J_H(H)为所述丰度矩阵的稀疏约束，J_W(W)为所述端元矩阵W的最小距离约束，τ_H与τ_W为正则化参数。

可选的，所述算法任务为：根据所述目标函数分别对第一目标子函数和第二目标子函数进行迭代更新操作；其中，所述第一目标子函数为所述第二目标子函数为