一种高光谱影像混合像元分解方法技术

本发明专利技术公开了一种高光谱影像的混合像元分解方法，其特点是采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元。本发明专利技术与现有技术相比具有大幅缩减参与端元提取的像素个数，有效的解决了庞大数据量使得许多混合像元分解算法失效问题，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的分解算法。

A method of hyperspectral image mixed pixel decomposition

【技术实现步骤摘要】
一种高光谱影像混合像元分解方法
本专利技术涉及遥感图像处理
，尤其是一种基于空间预处理及分割处理的可用于处理大数据量的高光谱图像混合像元分解算法。
技术介绍
高光谱图像由于包含上百个波段，含有丰富的光谱信息，可以完整地反映不同地物的光谱特征，这些光谱信息为地物识别提供了大量可用信息。但是由于空间分辨率的限制和地物的复杂性，混合像元在高光谱图像中普遍存在，这些混合像元严重影响了地物种类的识别和解译，混合像元分解是解决这一问题的关键技术。另一方面，正因为高光谱图像包含上百个波段，因此其通常具有很庞大的数据量，航空高光谱影像的一个条带能达到数十GB大小，面对如此庞大的数据量，现有技术通常采用分块处理的方法，但这种方法由于不能很准确地估计出每个块的端元数目，因此解混结果受到制约，因此如何能准确实现对数据量很庞大的影像的混合像元分解是亟待解决的问题。
技术实现思路
本专利技术的目的是针对现有技术的不足而设计的一种高光谱影像混合像元分解方法，采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域本文档来自技高网...

【技术保护点】
1.一种高光谱影像的混合像元分解方法，其特征在于采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元，其具体方法包括以下步骤：/n步骤1：获取高光谱影像数据，估计高光谱影像的端元数目；/n步骤2：采取蜂窝形态初始化将影像进行分割；/n步骤3：计算每个块的中心像素与其周围像素的光谱距离c；/n步骤4：计算每个块的中心像素与其周围像素的空间欧式距离s；/n步骤5：结合步骤3和步骤4，得到联合距离m，以该距离判断每个块的中心像素与周围像素的距离；/n步骤6：更新每个块并判断：...

【技术特征摘要】
1.一种高光谱影像的混合像元分解方法，其特征在于采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元，其具体方法包括以下步骤：
步骤1：获取高光谱影像数据，估计高光谱影像的端元数目；
步骤2：采取蜂窝形态初始化将影像进行分割；
步骤3：计算每个块的中心像素与其周围像素的光谱距离c；
步骤4：计算每个块的中心像素与其周围像素的空间欧式距离s；
步骤5：结合步骤3和步骤4，得到联合距离m，以该距离判断每个块的中心像素与周围像素的距离；
步骤6：更新每个块并判断：如果每个块的中心到任何像素的距离小于其先前的值，则更新其距离及标签；
步骤7：更新每个块的中心像素：计算每个块的平均光谱信息，以该值作为新的中心像素光谱信息；
步骤8：重复以上步骤3～步骤7，直至达到预设的重复次数Iter；
步骤9：清除孤立的小区域：设定边长为x，对于边长小于x的区域，将其合并到相邻的像素中去，得到最终的分块信息；
步骤10：将每个分块进行PCA投影，选择前q个主成分向量当作投影轴，将该块内所有像素投影到每个投影轴上，记录投影位置；
步骤11：挑选处在投影两端位置的像元作为目标端元信号，记最大值与最小值分别为max与min，并计算其余像素点的投影值pri；
步骤12：计算每个像元的投影权值wi；
步骤13：根据每个像素的投影权值wi计算其光谱指数，并定义每个分区将选择的像素百分比pe，得到候选像素；
步骤14：使用基于光谱的端元提取算法从候选像素中提取端元。


2.根据权利要求1所述高光谱影像的混合像元...

【专利技术属性】
技术研发人员：谭琨，祝伟，王雪，杜培军，丁建伟，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海;31