基于全约束最小二乘法的自适应光谱解混合的光学实现方法及系统技术方案

为了解决传统高光谱解混合算法处理数据量庞大的技术问题，本发明专利技术提供了一种基于全约束最小二乘法的自适应光谱解混合的光学实现方法及系统，利用计算光谱成像技术中的压缩编码原理，将光谱解混算法—全约束最小二乘法，与光谱分光&合光系统相结合，以空间目标场景为分析处理对象，能够直接输出解混合结果，不需要进行光谱数据立方体的重构过程，从而避免了大数据量问题，大幅减轻了系统的数据存储、传输、处理的负担，且为光谱解混合处理的实时应用提供有效的技术支撑。

【技术实现步骤摘要】
基于全约束最小二乘法的自适应光谱解混合的光学实现方法及系统
本专利技术属于光学
，涉及一种高光谱解混合的光学实现方法及系统，尤其涉及一种基于光谱成像仪直接进行光谱解混合的光学实现方法及系统。
技术介绍
高光谱成像技术是将成像技术和光谱技术相结合的多维信息获取技术，它的出现续写了光学影像从黑白全色影像经由多光谱到高光谱的影像信息链。高光谱成像技术能够同时探测目标的二维几何空间与一维光谱信息，具有“图谱合一”的特点；且实现了光谱分辨率的突破性提高，使得本来在宽波段多光谱遥感中不可探测的地物在高光谱遥感中能够被探测。然而，在高光谱遥感中，由于受遥感器的空间分辨率限制以及自然界地物的复杂性、多样性，普遍存在混合像元。混合像元是指每个像元对应区域内往往包含多种不同的地物，它们有着不同的光谱响应特征，导致每个混合像元记录的信息是对应区域内全部特征地物光谱信息的综合叠加。因此，高光谱图像分析往往需要在亚像元级别进行，这就需要首先进行光谱解混合，即根据遥感图像提供的信息判断出每个混合像元是由哪些纯像元、以多少比例混合的。而高光谱成像获取目标丰富的空间、辐射和光谱信息，提高精细信息表达能力的同时本文档来自技高网...

【技术保护点】
1.基于全约束最小二乘法的自适应光谱解混合的光学实现方法，其特征在于，每一行空间像元的光谱解混合包括以下步骤：步骤1：将一行空间像元的辐射/反射光，分光色散成二维光谱；步骤2：利用已知参考光谱库中的端元构建端元矩阵E，并根据

【技术特征摘要】
1.基于全约束最小二乘法的自适应光谱解混合的光学实现方法，其特征在于，每一行空间像元的光谱解混合包括以下步骤：步骤1：将一行空间像元的辐射/反射光，分光色散成二维光谱；步骤2：利用已知参考光谱库中的端元构建端元矩阵E，并根据将E扩展为E′，初始化R＝{1,2,…,m}，Ai＝0，s＝0，r＝1；P和R分别是设定的两个集合；Ai和s是1×b大小的一维矩阵；r为用于计数的中间变量；b为光谱波段数；m为端元数；步骤3：提取E′T的第r行系数矩阵，标记为R，并用R的前b个系数构成空间光调制器的二维控制信号，其中空间光调制器的各行控制信号是相同的；步骤4：根据步骤3中给出的二维控制信号，利用空间光调制器对步骤1分光后的二维光谱进行光谱调制；步骤5：将调制后光谱经反向合光系统聚合后投射到探测器上，探测器获取聚合后光谱；步骤6：将探测器获取的数据与步骤3提取的一维系数矩阵R的第b+1个系数值相加，得到1×m矩阵E′Txi′中第r个数值；步骤7：如果r＝m，则已获取1×m矩阵E′Txi′，转入步骤8；否则，更新r＝r+1，转入步骤3；步骤8：根据公式w＝E′T(xi′-E′Ai)，计算w；步骤9：如果且max(wk)＞0(k∈R)，转入步骤10；否则，转入步骤20；步骤10：求出t＝argmax(wk)(k∈R)，更新R＝R-{t}和P＝P∪{t}；步骤11：根据更新的集合P，更新E′P，并利用公式EP#＝[(E′P)TE′P]-1(E′P)T自适应地计算EP#,pr＝1；pr为用于计数的中间变量；步骤12：提取EP#的第pr行系数矩阵，标记为PR，并用PR的前b个系数构成空间光...

【专利技术属性】
技术研发人员：吴银花，李海威，王鹏冲，陈莎莎，严强强，高晓惠，胡炳樑，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：陕西,61