[发明专利]一种高空间-高光谱分辨率遥感图像本征分解方法及系统

权利要求书

1.一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：包括如下步骤：

步骤一、获取全色遥感图像和低空间分辨率的高光谱遥感图像，分析出全色遥感图像的空间信息和低空间分辨率的高光谱遥感图像的光谱信息，利用全色遥感图像的空间信息构建空间结构一致约束项，利用低空间分辨率的高光谱遥感图像的光谱信息构建光谱一致约束项，转入步骤二；

步骤二、基于反射率先验，计算反射率分量的相似度矩阵：利用全色遥感图像中的空间信息和低空间分辨率的高光谱遥感图像中的光谱信息，构造高空间分辨率下的全色遥感图像的相似度矩阵、高光谱遥感图像的相似度矩阵，利用所述高空间分辨率下的全色遥感图像的相似度矩阵和高光谱遥感图像的相似度矩阵计算反射率分量的相似度矩阵；

利用反射率分量的相似度矩阵获取反射率分量一致约束项，转入步骤三；

步骤三、根据步骤一中获取的空间结构一致约束项和光谱一致约束项，步骤二中获取的反射率分量一致约束项，计算总一致约束项，将总一致约束项利用迭代分解获取反射率分量。

2.根据权利要求1中所述的一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：基于高空间分辨率的高光谱遥感图像在每个波段上与高空间分辨率的全色遥感图像的空间结构接近的假设，得到如下关系式：

其中，N₁表示加性噪声，N₁∈R^N×d；

空间结构一致约束项为：

其中，ρ表示反射率分量，ρ∈R^N×d，N表示高空间分辨率的高光谱遥感图像的像素总数量，d为高空间分辨率的高光谱遥感图像的光谱数；

S表示明暗分量，S∈R^N×d；

▽₂表示水平方向和垂直方向的一般梯度算子；

表示全色遥感图像转换至对数域后在光谱维堆叠d次，

表示取Frobenius范数。

3.根据权利要求2中所述的一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：光谱一致约束项为：

其中，U表示向上重采样算子；

表示对数域的低空间分辨率高光谱遥感图像，n表示对数域的低空间分辨率高光谱遥感图像的像素总个数；

L表示低通滤波算子。

4.根据权利要求3中所述的一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：步骤二中：

反射率分量的相似度矩阵为

W＝ξ_pW_p+ξ_hW_h 公式4

其中，ξ_p和ξ_h均为权重系数，

W_p表示全色遥感图像的相似度矩阵；

W_h表示低空间分辨率高光谱遥感图像的相似度矩阵；

根据公式4，获取反射率分量一致约束项

5.根据权利要求4中所述的一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：所述全色遥感图像的相似度矩阵为

其中，▽P_ij表示全色遥感图像在像素点i和j之间的梯度值；

表示窗口ω_i中▽P_ij值的方差；

τ表示阈值。

6.根据权利要求5中所述的一种高空间-高光谱分辨率遥感图像本征分解方法，其特征在于：所述低空间分辨率高光谱遥感图像的相似度矩阵为

其中，表示对数域的低空间分辨率高光谱遥感图像在空间上采样后的第i个像素值组成的列向量，

表示对数域的低空间分辨率高光谱遥感图像在空间上采样后的第j个像素值组成的列向量，

表示窗口ω_i中光谱角的方差。