一种基于端元丰度反演的高光谱图像发射率光谱提取方法技术

本发明专利技术提供一种基于端元丰度反演的高光谱图像发射率光谱提取方法，首先对整幅红外高光谱图像进行混合像元分解操作，得到图像中的纯净端元以及各端元所对应的丰度值，进而得到图像中每一像元点的辐亮度光谱曲线，然后在设定的温度阈值范围内对感兴趣目标辐亮度光谱进行曲线积分，根据积分面积估算出红外高光谱发射率曲线模拟的绝对黑体温度，进而求得发射率光谱曲线。本发明专利技术在进行感兴趣目标辐亮度曲线提取时，考虑了混合像元的影响，通过端元提取和丰度反演得到了目标真实辐亮度曲线，提高了辐亮度曲线提取精度，进而使得发射率曲线的提取精度得到提高。

【技术实现步骤摘要】

本专利技术属于红外高光谱目标特性与目标识别
，具体涉及一种基于端元丰度反演的高光谱图像发射率光谱提取方法。
技术介绍
红外高光谱遥感是近几十年发展起来的新技术。在红外高光谱遥感中，首要的工作是反演温度与发射率。发射率是表征物体向周围环境辐射本领大小的物理量，物体发射率光谱与其成分及结构有关，因此，在很多应用中，可以通过发射率光谱曲线的形状来识别物体。而发射率光谱特征的提取必须要对红外高光谱影像进行温度和发射率的分离(TES)。温度和发射率分离方法一般是指利用红外高光谱的一个时相求取温度和发射率波谱。该方法的核心问题是：在发射率完全未知的情况下，N个波段的观测有N个数据，但是相应的也有N个未知数，再加上目标温度未知，就有N+1个未知数，这就始终是一个欠定方程问题。为了求解这个欠定方程，必须引入额外的条件。这种额外的条件通常是对目标发射率光谱形状的某种先验知识，根据先验知识约束条件的不同，也就决定了不同的算法类型。温度和发射率分离算法的求解过程就是发射率光谱特征提取的过程。常见的方法有：包络线法；参考通道法(REF)；发射率归一化法(NEM)；α剩余法(ADE)等。红外高光谱成像仪所获取的地面物体发射光谱信号是以像元为单位记录的。由于传感器空间分辨率的限制以及背景情况的复杂性，使得高光谱图像普遍存在混合像元。如果把混合像元作为纯像元进行分类、目标探测与识别等应用研究，结果会有很大的误差。这便使得红外高光谱混合像元分解问题成为红外高光谱数据处理的一个重要和关键环节。混合像元分解需要进行的工作就是在像元内部，将混合像元分解为端元并求出其所占的比例，使图像分析进入亚像元级别。传统的发射率提取算法在进行感兴趣目标辐亮度曲线提取时，通常使用在图像中直接取点的方法进行。由于在红外高光谱图像中普遍存在混合像元，这时所提取的感兴趣目标辐亮度曲线很有可能为一个混合像元，如果将该混合像元辐亮度光谱作为该目标的真实光谱继续进行后续发射率光谱提取操作，结果中必然会引入一定的误差。
技术实现思路
本专利技术的目的为：针对上述现有技术存在的缺陷，提出一种基于端元丰度反演的高光谱图像发射率光谱提取方法，解决在对红外高光谱图像进行温度与发射率分离时引入混合像元的问题，通过端元提取和丰度反演得到了目标真实辐亮度曲线，提高了辐亮度曲线提取精度，进而使得发射率曲线的提取精度得到提高。本专利技术提供的一种基于端元丰度反演的高光谱图像发射率光谱提取方法，其改进之处在于，方法包括如下步骤：1)对整幅红外高光谱图像进行混合像元分解，得到红外高光谱图像的端元和各端元对应的丰度值；2)确定感兴趣目标；3)根据所述纯净端元和所述丰度值，提取所述感兴趣目标，得到红外高光谱图像中每一像元点的辐亮度光谱曲线；4)设定温度阈值范围；5)对所述感兴趣目标的辐亮度光谱曲线进行曲线积分；6)根据积分面积估算出红外高光谱发射率曲线模拟的绝对黑体温度；7)得到发射率光谱曲线，并进行归一化处理。优选的，步骤1)混合像元分解包括端元提取步骤和丰度反演步骤，其中：端元提取步骤采用基于扩展数学形态学的红外高光谱端元提取方法进行提取；丰度反演步骤采用线性解混方法进行丰度反演。较优选的，端元提取步骤包括：①读入红外高光谱原始图像，利用最小结构元素Kmin，在结构元素中对目标高光谱图像的每个像元在邻域内进行基于质心的膨胀和腐蚀计算，找到最纯净的像元d(x,y,w)和混合最严重的像元e(x,y,w)，并计算此时对应的MEI值；MEI表示形态学离心率指数，定义为：MEI(x,y,w)＝dist(d(x,y,w),e(x,y,w)),w＝1,2,…,n其中，dist表示两点之间的距离，d(x,y,w)表示图像中最纯净的像元，e(x,y,w)表示混合最严重的像元；②不断增加结构元素的大小，重复步骤①的步骤，直至达到最大结构元素Kmax；反复计算MEI值并作记录，将相同像元对应的各MEI值取平均值，得到最终的MEI图像；③进行阈值判断，将所得到的MEI图像所有点的灰度值取平均作为设定的阈值，MEI图像中大于此阈值的像元将被标记为纯净像元；④对最后得到的端元图像进行图像分割和区域生长完成端元的自动选择；⑤利用线性解混方法进行线性波谱分离得到端元丰度图。较优选的，计算步骤3)所述每一像元点的辐亮度光谱曲线的表达式为： x i = Σ j = 1 m α i j e j = Eα i ]]>其中，ej表示图像中各个端元，αij表示各端元在图像中所占比例，E表示端元矩阵，αi表示丰度矩阵。较优选的，计算步骤6)所述绝对黑体温度的表达式为： T M = T 1 + ( L V - L 1 L 2 - L 1 ) ( T 2 - T 1 ) ]]>其中：T1,T2为设定的初始温度阈值；L1,L2分别为T1,T2对应的黑体辐亮度；LV为该光谱曲线积分。较优选的，计算步骤7)所述发射率光谱曲线的表达式为：Bυ,T＝2hc2υ3(echυ/kT-1)-1其中：c是光速；h是普朗克常量，h＝6.6262×10-34J·S；k是玻尔兹曼常数，k＝1.3806×10-23J/K。较优选的，步骤7)对发射率光谱曲线进行归一化处理的表达式为： B υ , T ′ = B υ , T M A X ( B υ , T 本文档来自技高网...

【技术保护点】
一种基于端元丰度反演的高光谱图像发射率光谱提取方法，其特征在于，所述方法包括如下步骤：1)对整幅红外高光谱图像进行混合像元分解，得到红外高光谱图像的端元和各端元对应的丰度值；2)确定感兴趣目标；3)根据所述纯净端元和所述丰度值，提取所述感兴趣目标，得到红外高光谱图像中每一像元点的辐亮度光谱曲线；4)设定温度阈值范围；5)对所述感兴趣目标的辐亮度光谱曲线进行曲线积分；6)根据积分面积估算出红外高光谱发射率曲线模拟的绝对黑体温度；7)得到发射率光谱曲线，并进行归一化处理。

【技术特征摘要】
1.一种基于端元丰度反演的高光谱图像发射率光谱提取方法，其特征在于，所述方法包括如下步骤：1)对整幅红外高光谱图像进行混合像元分解，得到红外高光谱图像的端元和各端元对应的丰度值；2)确定感兴趣目标；3)根据所述纯净端元和所述丰度值，提取所述感兴趣目标，得到红外高光谱图像中每一像元点的辐亮度光谱曲线；4)设定温度阈值范围；5)对所述感兴趣目标的辐亮度光谱曲线进行曲线积分；6)根据积分面积估算出红外高光谱发射率曲线模拟的绝对黑体温度；7)得到发射率光谱曲线，并进行归一化处理。2.如权利要求1所述的高光谱图像发射率光谱提取方法，其特征在于，步骤1)混合像元分解包括端元提取步骤和丰度反演步骤，其中：端元提取步骤采用基于扩展数学形态学的红外高光谱端元提取方法进行提取；丰度反演步骤采用线性解混方法进行丰度反演。3.如权利要求2所述的高光谱图像发射率光谱提取方法，其特征在于，所述端元提取步骤包括：①读入红外高光谱原始图像，利用最小结构元素Kmin，在结构元素中对目标高光谱图像的每个像元在邻域内进行基于质心的膨胀和腐蚀计算，找到最纯净的像元d(x,y,w)和混合最严重的像元e(x,y,w)，并计算此时对应的MEI值；MEI表示形态学离心率指数，定义为：MEI(x,y,w)＝dist(d(x,y,w),e(x,y,w)),w＝1,2,…,n其中，dist表示两点之间的距离，d(x,y,w)表示图像中最纯净的像元，e(x,y,w)表示混合最严重的像元；②不断增加结构元素的大小，重复步骤①的步骤，直至达到最大结构元素Kmax；反复计算MEI值并作记录，将相同像元对应的各MEI值取平均值，得到最终的MEI图像；③进行阈值判断，将所得到的MEI图像所有点的灰度值取平均作为设定的阈值，MEI图像中大于此阈值的像元将被标记为纯净像元；④对最后得到的端元图像进行图像分割和区域生长完成端元的自动选择；⑤利用线性解混方法进行线性波谱分离得到端元丰度图。4.如权利要求1所述的高光谱图像发射率光谱提取方法，其特征在于，计算步骤3)所述每一像元点的辐亮度光谱曲线的表达式为： x i = Σ j = 1 m α i j e j = Eα i ]]>其中，ej表示图像中各个端元，αij...

【专利技术属性】
技术研发人员：刘畅，李军伟，王广平，何茜，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京;11