一种非线性高光谱影像混合像元分解方法及装置制造方法及图纸

本发明专利技术提供一种非线性高光谱影像混合像元分解方法及装置，能够提高混合像元分解精度。所述方法包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。本发明专利技术涉及遥感图像处理技术领域。

A Method and Device for Mixed Pixel Decomposition of Nonlinear Hyperspectral Images

The invention provides a mixed pixel decomposition method and device for non-linear hyperspectral images, which can improve the decomposition accuracy of mixed pixels. The method includes: using the spectral information of the end element in the mixed pixel as a non-perturbation term, and the interaction between different spectra as a perturbation term, describing the mixed pixel in a non-linear mathematical way, and constructing a self-consistent non-linear spectral correlation hybrid model; mapping the non-linear spectral correlation hybrid model to the impurity model by using spectral clusters as impurities, and constructing the hyper of the impurity model. The Green's function in the crystal pattern domain is solved to obtain the end element composition and end element abundance estimation results. Based on the end element composition and end element abundance estimation results, the density peak clustering method is used to cluster the estimated end element, and the similar estimated end elements are merged. The invention relates to the technical field of remote sensing image processing.

【技术实现步骤摘要】
一种非线性高光谱影像混合像元分解方法及装置
本专利技术涉及遥感图像处理
，特别是指一种非线性高光谱影像混合像元分解方法及装置。
技术介绍
高光谱遥感相机作为卫星遥感系统重要载荷之一，具有光谱信息丰富、光谱分辨率高等优点，在环境监测与灾害评估、农作物和植被的精细分类、海洋资源普查、岩矿的探测和识别、非法种植调查等民用领域以及军事目标侦察、伪装与反伪装、打击效果评估等军用领域中，都具有广泛的应用前景。但是较低空间分辨率和地物复杂多样性导致混合像元的存在，使亚像元级目标的快速精确探测与分类变得非常困难，极大地限制了高光谱数据定量化应用的发展。因此，如何降低混合像元的影响，快速准确地提取混合像元中的感兴趣亚像元目标信息，对于提升高光谱影像数据定量化应用精度具有重要的现实意义。目前解决高光谱影像混合像元问题最为有效的方法为混合像元分解，混合像元分解指从实际光谱数据中提取各种地物成分(端元)以及各成分所占的比例(丰度)的方法。端元提取和丰度估计是混合像元分解的两个重要的过程。端元提取指在混合图像中提取出各种成分。丰度估计指对每种估计出来的端元物质的比例加以估计。进行混合像元分解的重要步骤就是建立合理有效的光谱混合模型。光谱混合模型一般可以分为线性光谱混合模型和非线性光谱混合模型。线性模型能够满足较低空间分辨率的遥感影像光谱分解需求，但是随着空间分辨率的提高，光子在微观尺度混合成分间多次散射，光谱不再以线性方式叠加，需要使用非线性光谱混合模型进行描述。但是，在现有非线性混合模型进行光谱分解的方法中，从计算方法的角度去解译时，物理意义不足且需要精确的获得实际地物的混合比例才能有效的获得训练参数。同时非线性模型的通用性较差，存在参数的选择所需算法运行时间长、算法执行效率低等问题，并且光谱分解精度较低，难以满足实际应用需求。
技术实现思路
本专利技术要解决的技术问题是提供一种非线性高光谱影像混合像元分解方法及装置，以解决现有技术所存在的高光谱像元混合模型物理意义不明确，导致混合像元分解精度差的问题。为解决上述技术问题，本专利技术实施例提供一种非线性高光谱影像混合像元分解方法，包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。进一步地，所述将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，得到哈密顿量，哈密顿量表示为：H＝H0+H1其中，H表示哈密顿量，H0表示非微扰项，H1表示微扰项；提取单光谱特征向量，并以可观测量厄米算符方式进行描述，构建本征态方程；根据构建的本征态方程，得到对应的格林函数G0(z)，G0(z)也是与非微扰量H0对应的格林函数；根据得到的格林函数G0(z)，确定对应于H的格林函数G(z)，其中，混合像元中的端元光谱以格点方式存在，G(z)称为晶格模型格林函数，G(z)反映光谱间相互作用量与整体混合像元之间的函数关系，G(z)表示非线性光谱关联混合模型。进一步地，格林函数G(z)表示为：G(z)＝G0(z)+G0(z)T(z)G0(z)其中，T(z)≡H1+H1G0(z)H1+H1G0(z)H1G0(z)H1+…+H1(G0(z)H1)p，T(z)为格林函数G(z)的p次多项式展开。进一步地，所述以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果包括：以光谱团簇作为杂质，将原始的晶格模型映射到杂质模型上，建立与晶格模型格林函数G(z)等价的杂质模型格林函数Gz(z)，对格林函数G(z)、Gz(z)中的无穷级数部分进行求和，形成晶格模型与量子杂质模型的自洽约束条件；通过自能项判断杂质模型格林函数Gz(z)和晶格模型格林函数G(z)是否满足自洽约束条件，若不满足，则重新建立与晶格模型格林函数G(z)等价的杂质模型格林函数Gz(z)，若满足，则确定初始团簇自能项；将一个团簇作为一个杂质点，并在局域区域内确定超晶格尺度，构建超晶格局域格林函数；将超晶格局域格林函数放入杂质求解器中进行求解，获得新的自能项；判断新自能项是否满足预设的收敛精度要求，若不满足，则重新构建超晶格局域格林函数，若满足，则加入丰度和为一的约束条件，估计端元的丰度。进一步地，所述将超晶格局域格林函数放入杂质求解器中进行求解，获得新的自能包括：将超晶格局域格林函数放入杂质求解器中；杂质求解器采用精确对角化方法进行求解，得到杂质模型的端元本征态及对应的本征值。进一步地，所述根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并包括：将估计的全部端元数据集作为样本集输入；初始化聚类个数c；确定样本间的相异性程度，得到相异性度量矩阵；采用能量势能函数对样本集进行势能计算；令聚类个数c＝c+1；根据样本集势能，确定当前样本集中具有较小势能的端元点，并根据得到的相异性度量矩阵，计算势能较小的端元点的局部密度函数，对于同时满足势能较小并且局部密度最高的端元点，令其作为第c类聚类中心；根据截断距离D，将样本距离小于截断距离D的所有端元点聚成第c类，并从样本集中删除该估计端元点；如果样本集为空，则完成聚类，将同类的估计端元进行合并；否则，则执行采用能量势能函数对样本集进行势能计算的操作。进一步地，所述能量势能函数，用于表示端元点所具有的势能，所述能量势能函数表示为：其中，V(x)表示端元点x所具有的势能，E表示哈密顿算子的能量特征值，表示向量微分算子，表示端元向量，σ是宽度调节参数；利用高斯核宽度参数估计方法对能量势能函数中的参数σ进行计算，表示为:其中，N表示光谱维度，n是样本集中端元点的数目。进一步地，所述局部密度函数表示为：其中，ρi表示样本点xi周围点的密集程度；dij表示端元点xi和xj之间的距离；函数D表示截断距离。本专利技术实施例还提供一种非线性高光谱影像混合像元分解装置，包括：构建模块，用于将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；确定模块，用于以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；聚类模块，用于根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。本专利技术的上述技术方案的有益效果如下：上述方案中，将端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型，从而准确描述混合像元非线性光谱混合模式；以光谱团簇作为杂质，本文档来自技高网...

【技术保护点】
1.一种非线性高光谱影像混合像元分解方法，其特征在于，包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。

【技术特征摘要】
1.一种非线性高光谱影像混合像元分解方法，其特征在于，包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。2.根据权利要求1所述的非线性高光谱影像混合像元分解方法，其特征在于，所述将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，得到哈密顿量，哈密顿量表示为：H＝H0+H1其中，H表示哈密顿量，H0表示非微扰项，H1表示微扰项；提取单光谱特征向量，并以可观测量厄米算符方式进行描述，构建本征态方程；根据构建的本征态方程，得到对应的格林函数G0(z)，G0(z)也是与非微扰量H0对应的格林函数；根据得到的格林函数G0(z)，确定对应于H的格林函数G(z)，其中，混合像元中的端元光谱以格点方式存在，G(z)称为晶格模型格林函数，G(z)反映光谱间相互作用量与整体混合像元之间的函数关系，G(z)表示非线性光谱关联混合模型。3.根据权利要求2所述的非线性高光谱影像混合像元分解方法，其特征在于，格林函数G(z)表示为：G(z)＝G0(z)+G0(z)T(z)G0(z)其中，T(z)≡H1+H1G0(z)H1+H1G0(z)H1G0(z)H1+…+H1(G0(z)H1)p，T(z)为格林函数G(z)的p次多项式展开。4.根据权利要求2所述的非线性高光谱影像混合像元分解方法，其特征在于，所述以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果包括：以光谱团簇作为杂质，将原始的晶格模型映射到杂质模型上，建立与晶格模型格林函数G(z)等价的杂质模型格林函数Gz(z)，对格林函数G(z)、Gz(z)中的无穷级数部分进行求和，形成晶格模型与量子杂质模型的自洽约束条件；通过自能项判断杂质模型格林函数Gz(z)和晶格模型格林函数G(z)是否满足自洽约束条件，若不满足，则重新建立与晶格模型格林函数G(z)等价的杂质模型格林函数Gz(z)，若满足，则确定初始团簇自能项；将一个团簇作为一个杂质点，并在局域区域内确定超晶格尺度，构建超晶格局域格林函数；将超...

【专利技术属性】
技术研发人员：曾溢良，蓝金辉，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11