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，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，通过这种方式来大幅缩减参与端元提取的像素个数，可用于处理大数据量的高光谱遥感影像，为处理数据量很庞大的影像混合像元的分解提供了一个简便的算法，进一步推进了高光谱遥感影像的广泛应用。实现本专利技术目的的具体技术方案是：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，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，根据设定的每个六边形的平均大小h，将原始影像分成多个六边形，根据六边形的几何性质确定初始化分割块数及每各个块的中心，并对每个块的像素赋予不同标签，定义每个块的中心到该块内所有像素的初始距离为无穷大。步骤3：在每个块中，计算每个块的中心像素与其周围像素的光谱距离，这里的光谱距离可以为多种光谱距离度量准则，如光谱相关角(SpectralCorrelationAngle,SCA)、光谱信息测度(SpectralInformationDivergence,SID)，光谱角距离(SpectralAngleDistance,SAD)，或者其两两结合的光谱信息散度-光谱相关系数(SID-SCA)。步骤4：在每个块中，计算每个块的中心像素与其周围像素的空间欧式距离。步骤5：结合步骤3和步骤4，得到联合距离m，并以该距离判断每个块的中心像素与周围像素的距离，所述联合距离m按下述a式计算：式中：c为光谱距离，s为欧式距离，其值分别由步骤3和步骤4求得，l为六边形对角线长度，a为联合的权重，0<a<1。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联合距离m小于其先前的值(该距离的初始值已在步骤2中定义为无穷大)，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，直到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，并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，记最大值为max，最小值为min，并按下述b式计算其余像素点的的投影值pri：式中：p为每个像素在投影轴上的投影值，其最大值为max，最小值为min。步骤12：按下述c式计算每个像元的投影权值wi：步骤13：根据像素在q个投影轴上各自所占的贡献比例cj，并按下述d式计算每个像素在各个投影轴上投影值的加权之和作为光谱指数spi：式中：N为影像中像元个数；q为投影轴个数。然后，对光谱指数spi进行排序，根据每个块内的像素百分比pe，选择spi中位于前pe的像素作为候选像素。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。本专利技术与现有技术相比具有对数据量庞大的影像混合像元进行快速分解，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，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的影像混合像元的分解算法，进一步推进了高光谱遥感影像的广泛应用。附图说明图1为本专利技术流程图；图2为分割初始化的形状；图3为合成的高光谱影像数据的分割结果图；图4为从合成的高光谱影像数据中提取的端元曲线图。具体实施方式下面以合成的高光谱影像为例对本专利技术作进一步的详细说明。实施例1参阅附图1，本专利技术按下述步骤处理数据量很大的高光谱图像的混合像元分解：(一)获取高光谱影像数据获取合成的高光谱影像数据，其大小为90×90，波段数为224，影像的端元数目为5。(二)影像分割参阅附图2，采取蜂窝形态初始化将原始影像分成多个六边形，设定每个六边形的平均大小h为7，根据六边形的几何性质确定初始化分割块数及每各个块的中心，并对每个块的像素赋予不同标签，定义每个块的中心到该块内所有像素的初始距离为无穷大。(三)光谱距离c的计算在每个块中，计算每个块的中心像素与其周围像素的光谱信息散度-光谱相关系数(SID-SCA)作为光谱距离c。(四)空间欧式距离s的计算在每个块中，计算每个块的中心像素与其周围像素的空间欧式距离s。(五)联合距离m的计算按下述a式计算联合距离m，并以该距离判断每个块的中心像素与周围像素的距离：式中：c为光谱距离，由上述步骤(三)求得；s为欧式距离，由上述步骤(四)求得；l为六边形对角线长度；a为联合的权重，0<a<1，这里取a＝0.1。(六)更新每个块判断：如果每个块的中心到任何像素的联合距离m小于其先前的值，则更新其距离及标签。(七)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。(八)循环更新重复上述步骤(三)～步骤(七)，直至达到预设的重复次数Iter，本实施例的Iter设为10。(九)清除孤立的小区域参阅附图3，设定边长x为2，对于边长小于x的为小区域，将其合并到相邻的像素中去，得到最终的分块信息。(十)PCA投影将每个分块进行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，这里取q＝3。(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：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；/n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；/n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；/n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；/n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；/n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；/n步骤12：计算每个像元的投影权值wi；/n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；/n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。/n...

【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