[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

说明书

基于数字表面模型辅助的高光谱图像本征分解方法，属于高光谱图像融合处理技术领域，本发明为解决现有高光谱图像本征分解精度低的问题。它包括：输入高光谱图像和数字表面模型数据，计算获得几何分量；计算获得局部先验矩阵；计算获得非局部先验矩阵；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。本发明用于高光谱图像的本征分解。

技术领域

本发明涉及一种高光谱图像本征分解方法，属于高光谱图像融合处理技术领域。

背景技术

高光谱图像具有丰富的光谱信息，但是高维的光谱空间也造成信息的高度冗余，不利于信息的处理解译。为了更好的挖掘信息，现在已经设计出了各种特征提取的方法，但是这些信息提取方法具有本质的缺陷。当环境光照等成像条件变化时，成像得到的光谱也会随之变化，这使得得到的光谱具有很高的不确定性，这种不确定性体现在提取的特征上就会使得特征表达的信息不可靠。为了解决这个问题，研究基于物理成像模型的本征分解方法具有极大的意义。本征分解旨在研究物理成像过程，恢复反映地物本身属性的反射率，同时也反演出环境成像要素，比如光照。本征分解的难点在于，本征分解是一个欠定问题，在模型求解上存在挑战。

发明内容

本发明目的是为了解决现有高光谱图像本征分解精度低的问题，提供了一种基于数字表面模型辅助的高光谱图像本征分解方法。

本发明所述基于数字表面模型辅助的高光谱图像本征分解方法，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。

优选的，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：J＝[J₁,J₂,…,J_u]^ú；

其中，

c₁、c₂、c₃、c₄、c₅是五个常数。

优选的，所述c₁、c₂、c₃、c₄、c₅分别是：

c₁＝0.429,c₂＝0.512,c₃＝0.743,c₄＝0.886,c₅＝0.248。

优选的，S2所述计算获得局部先验矩阵的具体方法包括：