[发明专利]基于数字表面模型辅助的高光谱图像本征分解方法

权利要求书

1.基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，它包括：

S1、输入高光谱图像和数字表面模型数据，计算获得几何分量；

S2、计算获得局部先验矩阵；

S3、计算获得非局部先验矩阵；

S4、根据几何分量、局部先验矩阵和非局部先验矩阵进行本征分解，输出高光谱反射率和环境光照；

S1所述计算获得几何分量的具体方法包括：

输入高光谱图像

输入数字表面模型高程数据

其中，h_k＝[h_k(λ₁),h_k(λ₂),…,h_k(λ_d)]^T,k＝1,2,...,u表示每个像素的光谱特征，k＝1,2,...,u表示每个像素的索引，λ表示波长，d表示波段数，u表示高光谱图像像素的个数，z₁,z₂,…,z_u表示各个像素对应的高程，表示域；

计算每个像素的法线，获得法线特征：

其中，表示法线在x、y、z空间坐标轴的投影；

计算获得几何分量J：

其中，

k＝1,2,...,u

c₁、c₂、c₃、c₄、c₅是五个常数；

S2所述计算获得局部先验矩阵的具体方法包括：

遍历每个像素的索引k＝1,2,...,u，建立字典D_k＝[h₁,…,h_k-1,h_k+1,…,h_u,I_d]；

其中，I_d表示d维单位矩阵；

根据下式计算h_k在字典D_k中的稀疏表示系数α：

min_α||α||₁subject to h_k＝D_kα；

局部先验矩阵W的每个元素W_kj由下式赋值获得：

W_kj表示W的第k行第j列的元素；

α_j表示第j列的稀疏表示系数，α_j-1表示第j-1列的稀疏表示系数；

S3所述计算获得非局部先验矩阵的具体方法包括：

将高光谱图像每个像素的光谱特征h_k与数字表面模型高程数据z_k堆栈，建立为d+1维向量空间：[h_k^T,z_k],k＝1,2,...,u；

在d+1维向量空间中搜索每个像素的紧邻点，建立紧邻点的集合Q_k；

非局部先验矩阵T的每个元素T_kj由下式赋值获得：

T_kj表示T的第k行第j列的元素。

2.根据权利要求1所述的基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，所述c₁、c₂分别是：

c₁＝0.429,c₂＝0.512。

3.根据权利要求1所述的基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，所述c₃是：

c₃＝0.743。

4.根据权利要求1所述的基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，所述c₄是：

c₄＝0.886。

5.根据权利要求1所述的基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，所述c₅是：

c₅＝0.248。

6.根据权利要求1所述的基于数字表面模型辅助的高光谱图像本征分解方法，其特征在于，S4所述根据几何分量、局部先验矩阵和非局部先验矩阵进行本征分解，输出高光谱反射率和环境光照的具体方法包括：

高光谱反射率

其中，r_k＝[r_k(λ₁),r_k(λ₂),...,r_k(λ_d)]^T,k＝1,2,...,u表示每个像素的反射率；λ₁、λ₂、...、λ_d分别表示第1、2、…、d个图像通道对应的波长；

环境光照为

L₁、L₂、...、L₉分别表示九维球谐光照的系数；

本征分解的总的代价函数为：

σ_r表示局部先验代价项的权重，σ_z表示非局部先验代价项的权重；

求偏导数，获得：

其中，中间变量

其中，1_d表示大小为d×1的全1列向量，I_u表示u×u单位矩阵；

令得到关于R和L的线性方程组，求解获得高光谱图像反射率R和环境光照L。