A new method of hyper spectral image mixing based on end-element clusters is proposed. By extracting the end-element cluster and inversion of the abundance based on the abundance of end-element clusters, an adaptive and accurate solution of hyperspectral images is achieved by two steps. The steps of the method are as follows: (1) the sparse representation based on the global image; (2) selection of alternative end elements based on voting; (3) constructing an endelement cluster by extracting spectral shape features; (4) constructing a block overcomplete dictionary; (5) traversing the whole image and selecting the best end element selection based on block sparsity for each pixel; (6) utilizing full constraints. The least squares method is used to estimate the abundance and output the spectral and abundance results. This method is mainly aimed at the problem of spectral variation in hyperspectral images, which can effectively reduce the error caused by spectral variation and improve the precision of solution mixing. At the same time, the end cluster extraction based on the image itself makes the algorithm more adaptive.
【技术实现步骤摘要】
一种基于端元簇的高光谱图像解混方法
本专利技术涉及一种新型的基于端元簇的高光谱图像解混方法,能够通过技术手段有效减少解混时由于光谱变异带来的误差,属于遥感图像处理领域。
技术介绍
高光谱遥感指具有高光谱分辨率的遥感技术,其探测的波段以纳米级别的光谱分辨率覆盖了包括紫外、可见光、近红外和中红外和热红外的光谱区域(0.4μm-2.5μm)。高光谱遥感能够连续并精细地描述地物光谱,在勘探、检测、识别方面具有突出优势。高光谱遥感发展潜力巨大,自20世纪80年代问世后,和成像雷达一同被视作遥感技术中最重要的两项技术突破。20世纪90年代以来,高光谱遥感已经逐渐成为国际上光电遥感的主流方向和遥感技术的热门课题。我国是世界上少数几个拥有独立自主高光谱遥感技术知识产权的国家之一。近年来,国家大力支持高光谱遥感技术的发展,很多科研工作者在863项目、国家自然科学基金等课题的支持下,在资源调查、环境监测、工程建设、农业识别、医学诊断等研究领域取得了显著成果。受光谱仪空间分辨率限制和地物分布多样性的影响,高光谱图像中的一个像元往往包含多种地物,我们把这样的像元称为混合像元。与混合像元相对应的,我们把只含有一种地物的像元称为纯净像元,或者端元,同时在混合像元中,每种物质所占的百分比称为丰度。高光谱解混的目的就是获取图像中端元的特征光谱,并且借此求出混合像元中各个地物所占的比例。高光谱解混能够解决因为混合像元而带来的地物分布探测与物质识别的困难,因此在高光谱遥感图像的理论研究和应用中都占有很重要的地位。现有的高光谱解混算法,普遍通过计算或选择一条光谱曲线来代表一个端元。然而,只用一 ...
【技术保护点】
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,...,xi,...,xm×n},其中xi={xi1,xi2,...,xil};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xi的过完备字典构建为
【技术特征摘要】
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,...,xi,...,xm×n},其中xi={xi1,xi2,...,xil};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xi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yi,稀疏系数求解具体步骤如下:1)初始化残差r0=xi,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...
【专利技术属性】
技术研发人员:尹继豪,黄晨雨,罗晓燕,罗旭坤,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。