基于光谱变异性与空谱相关性的高光谱解混方法技术

本申请涉及一种基于光谱变异性与空谱相关性的高光谱解混方法及装置，其中，方法包括：构建用于光谱解混的自编码器网络模型；计算高光谱图像各个像元的空间同质性，构建对包含丰度和端元约束项的损失函数；设置网络参数，将高光谱数据立方体和初始化端元输入网络，根据所述损失函数无监督地训练网络，求解丰度数据，得到衡量解混结果。本申请实施例可以基于自编码器架构，利用多重注意力模块对图像进行全局空谱信息特征提取，并在解码器中加入光谱变异性，同时在损失函数中添加关于空间同质性的丰度约束项，从而有效整合高光谱图像潜在特征，提升网络的拟合能力，提高高光谱遥感图像端元提取和丰度估计的精度。端元提取和丰度估计的精度。端元提取和丰度估计的精度。

【技术实现步骤摘要】
基于光谱变异性与空谱相关性的高光谱解混方法


[0001]本申请涉及高光谱图像处理
，特别涉及一种基于光谱变异性与空谱相关性的高光谱解混方法及装置。

技术介绍

[0002]高光谱遥感数据因其在光谱维度上能捕捉到上百个细分的波段而受到广泛关注，但是由于高光谱遥感一般是从遥远的空间距离来进行对地观测，加上其探测波段细化导致的单一波段内能量较低，所以高光谱遥感数据空间分辨力一般不高，这就带来了混合像元问题，即一个像元可能包含不止一种地物，限制了高光谱数据的进一步利用。
[0003]相关技术中，可以通过光谱解混技术提取出混合像元的组成成分(端元)和计算各组分含量(丰度)，然而，相关技术中光谱解混自编码器以单个像元或像元邻域作为输入，忽视了高光谱图像的全局信息，且没有考虑端元的光谱变异性，难以有效整合高光谱图像潜在特征，无法提升网络的拟合能力，降低了高光谱遥感图像端元提取和丰度估计的精度。

技术实现思路

[0004]本申请提供一种基于光谱变异性与空谱相关性的高光谱解混方法及装置，以解决相关技术中光谱解混自编码器以单个像元或像元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱变异性与空谱相关性的高光谱解混方法，其特征在于，包括以下步骤：对高光谱数据立方体进行超像素分割，提取各个超像素的中心像素光谱组成候选端元集合，以提取初始化端元；构建用于光谱解混的自编码器网络模型；计算高光谱图像各个像元的空间同质性，构建对包含丰度和端元约束项的损失函数；设置网络参数，将高光谱数据立方体和所述初始化端元输入网络，根据所述损失函数无监督地训练网络，求解丰度数据，得到衡量解混结果。2.根据权利要求1所述的方法，其特征在于，所述构建用于光谱解混的自编码器网络模型，包括：在编码器中加入光谱空谱联合注意力机制，以提取高光谱数据空谱相关性。3.根据权利要求1所述的方法，其特征在于，所述构建用于光谱解混的自编码器网络模型，还包括：在解码器中设置预设光谱变异性模型，以模拟真实环境下地物的光谱变异性。4.根据权利要求1所述的方法，其特征在于，所述损失函数包括光谱重建误差、空间同质性约束丰度的损失函数和端元体积约束。5.一种基于光谱变异性与空谱相关性的高光谱解混装置，其特征在于，包括：提取模块，用于对高光谱数据立方体进行超像素分割，提取各个超像素的中心像素光谱组成候选端元集合，以提取初始化端元；构建模块，用于构建用于光谱解混的自编码器网络模型；...

【专利技术属性】
技术研发人员：苏丽娟，袁艳，刘俊，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：