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 ...
【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...
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。