[发明专利]一种基于端元簇的高光谱图像解混方法

摘要

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。

主权项

1.一种端元簇提取方法，其特征在于：基于稀疏表示分析像素间关系，利用稀疏系数对像素投票筛选备选端元，提取光谱形状特征进行端元簇构建，本方法能够实现基于图像的端元簇自动提取，其步骤如下：步骤1，基于全局图像的稀疏表示给定一幅大小为m行n列，l个波段的高光谱图像X＝{x₁,x₂,...,x_i,...,x_m×n}，其中x_i＝{x_i1,x_i2,...,x_il}；首先利用匹配追踪方法对每一个像素进行稀疏表示，针对像素x_i的过完备字典构建为图像中物质种类个数，即端元数目为k，将稀疏表示中的稀疏度同样设置为k，再利用匹配追踪方法进行稀疏表达，获得稀疏系数y_i，稀疏系数求解具体步骤如下：1)初始化残差r₀＝x_i，指数集原子集以及迭代次数t＝1；2)选择与残差最接近，即内积最大的原子，记录其指数λt。然后更新指数集Λt＝Λt‑1∪{λt}与原子集Atomt＝[Atomt‑1；dλt]；λt＝argmax|＜rt‑1,D＞|  (1)3)通过最小二乘问题来获得估计的稀疏，并更新残差rt；rt＝xi‑εtAtomt  (3)4)更新t＝t+1，并且返回到步骤2)，直到残差逐渐收敛或t＝K时停止迭代；5)最终得到稀疏系数yi＝εt；步骤2，基于投票的备选端元筛选对于像素xi和其对应的稀疏系数yi，我们找出稀疏系数yi中绝对值最大的稀疏对应的原子，并对其投票；图像包含m×n个像素，即共投出m×n票，累计每个原子获得的票数，然后将所有原子按照票数进行排序；由端元数目k计算出备选端元的个数cn，cn＝k×5，并选出得票数前cn的原子作为备选端元，获得备选端元集合Xcand；步骤3，通过提取光谱形状特征进行端元簇构建此步骤对步骤2中获得的备选端元进行特征提取，以达到精确构建端元簇的目的；对于包含l个波段的光谱首先将光谱切割成N个长度为l₀的光谱段，其中N＝[l/l₀]；如果l不能被l₀整除，光谱最后一段的长度为剩余的波段数；随后利用直线来拟合每一段光谱，提取直线的斜率代表此光谱段形状，然后获得整个曲线的斜率向量p＝1,2...N；直线拟合采用最小二乘拟合方法即可以得到备选端元Xcand的特征Fcand＝[f1；f2；...；fc...；fcn]；然后将特征输入到无监督分类器中，获得k个类别Fbundle＝[Fb1；Fb2...；Fbi；...；Fbk]，再将对应的备选端元按照分类结果形成端元簇Xbundle＝[Xb1；Xb2...；Xbi；...Xbk],Xbi＝[xh|fh∈Fbi]，并输出结果。