像元解混逆過程：規格化多端元分解的高光譜重構方法
2023-04-26 18:39:56 2
像元解混逆過程：規格化多端元分解的高光譜重構方法
【專利摘要】本發明涉及一種像元解混逆過程：規格化多端元分解的高光譜重構方法，其特徵在於：包括多光譜圖像的反射率圖像進行規格化多端元分解獲得高光譜數據，多光譜影像中提取的地物光譜可分解為光譜形狀和像元DN值兩本分的線性組合，規格化多端元分解的高光譜重構方法就是根據光譜庫中純端元進行不同性質的混合來獲取混合場景中最優的端元組分，從而避免端元過多帶來的噪聲放大和端元過少造成的精度下降現象，並在精確解混的基礎上考慮端元的時空變化，在減少計算量同時準確重構高光譜數據。通過對多光譜數據光譜重構獲得連續的高光譜數據，在保留多光譜圖像的高空間解析度、高信噪比的同時，提高了多光譜數據的光譜解析度。
【專利說明】像元解混逆過程:規格化多端元分解的高光譜重構方法
【技術領域】
[0001]本發明涉及遙感【技術領域】，特別是關於一種混合像元解混的逆過程中通過對多光譜圖像進行規格化多端元分解來重構相應高光譜圖像的方法。
【背景技術】
[0002]高光譜遙感數據可以提供地物的連續光譜，光譜解析度小於十納米，而普通多光譜數據光譜解析度在幾百納米，使得高光譜數據可以用於更加精細的分類和定量處理。但是高光譜數據的獲取比較難，需要的費用比較高，且只能獲得小片區域的高光譜數據(例如Hyper1n數據只有十幾公裡寬)；而且空間、光譜解析度和信噪比之間不能同時得到保證，即:在獲取高光譜解析度和空間解析度圖像會使圖像信噪比下降，使得獲取數據的質量下降；獲取高光譜解析度同時保證較高的信噪比時就必須降低空間解析度。一般傳感器選擇降低圖像的空間解析度，來獲取較高信噪比的高光譜圖像。
[0003]高光譜重構是現在技術中解決高光譜數據不足的有效方法，主要有以下幾方面的作用:1)光譜重構從混合像元求解問題的逆過程來理解高光譜像元的成像過程，這兩者之間對偶的關係對混合像元求解有很好的借鑑作用；2)高光譜數據存在著噪聲，壞線，條帶，Smile以及傳感器性能的衰減和退化等效應，這些問題嚴重的阻礙了高光譜數據的廣泛的深入的應用和推廣，而利用多光譜性能的穩定性，以及利用其重構光譜的可行性，可以提高高光譜數據的穩定性和使用質量；3)使得間接利用多光譜數據的光譜波形信息進行地物識別成為可能；4)可以拓展遙感數據的應用深度和廣度，有助於探索高空間與高光譜解析度之間相互關聯關係，並為傳感器的研製和應用提供借鑑。通過多光譜數據來重構高光譜數據也是人們一直在研究的熱點問題，現階段民用多光譜數據空間解析度已經發展到米級，甚至有的達分米級，通過多光譜重構的高光譜數據，可以保留多光譜高空間解析度的特性，同時，獲得高空間解析度的高光譜圖像，也解決了高光譜混合像元解耦問題。
【發明內容】
[0004]針對上述問題，本發明的目的是提供一種能夠通過多光譜數據獲取全球任意區域的高光譜數據的基於規格化多端元分解的高光譜重構方法。
[0005]為實現上述目的，本發明採取以下技術方案:一種像元解混逆過程:規格化多端元分解的高光譜重構方法，包括以下步驟:1)選定測量區域，獲取由多光譜傳感器和高光譜傳感器記錄的待測量區域的多光譜圖像和高光譜圖像；2)對待測量區域的多光譜/高光譜圖像進行輻射校正處理獲得待測量區域的多光譜/高光譜地物反射率圖像；3)構建地物光譜庫，庫中包括多種典型物種端元的波譜庫、實測光譜和影像光譜；4)將步驟3)中所構建的光譜庫中的地物光譜進行標準化和規格化，得到每一種典型物種端元所對應的標準參考光譜；5)將步驟2)中多光譜圖像反射率數據中的每個像元分別進行規格化多端元分解，並將分解的各端元進行不同性質的混合得到每個像元對應的最優分解模型；6)按照步驟5)得到的最優端元組合模型所對應的端元覆蓋率對步驟3)中地物光譜庫中所對應的端元標準參考光譜進行重構,得到像元的重構高光譜數據。
[0006]步驟5)將步驟2)中得到的多光譜圖像反射率數據中的每個像元分別進行規格化多端元分解，並將分解的各端元進行不同性質的混合得到每個像元對應的最優分解模型的具體過程為:將分解的各端元按照設定的方法進行混合迭代，並將每一次迭代得到的端元覆蓋率與相應的端元組合成某像元的多光譜圖像，並將此像元的多光譜圖像與步驟2)的多光譜地物反射率圖像中的對應像元多光譜進行相似度比較，遍歷端元所有可能的組合，在相似度符合設定閾值的條件下選擇相似度最大的作為最優分解模型；由於端元類內與端元類間的變化是分解模型最主要誤差源，認為在規格化的多端元分解方法中端元是可在每個像素的基礎上變化的，提出針對第i波段的反射率模型修正:
【權利要求】
1.一種像元解混逆過程:規格化多端元分解的高光譜重構方法，包括以下步驟: 1)選定測量區域，獲取由多光譜傳感器和高光譜傳感器記錄的待測量區域的多光譜圖像和高光譜圖像； 2)對待測量區域的多光譜/高光譜圖像進行輻射校正處理獲得待測量區域的多光譜/高光譜地物反射率圖像； 3)構建地物光譜庫，庫中包括多種典型物種端元的波譜庫、實測光譜和影像光譜； 4)將步驟3)中所構建的光譜庫中的地物光譜進行標準化和規格化，得到每一種典型物種端元所對應的標準參考光譜； 5)將步驟2)中多光譜圖像反射率數據中的每個像元分別進行規格化多端元分解，並將分解的各端元進行不同性質的混合獲取每個像元對應的最優分解模型； 6)將步驟5)得到的最優端元組合模型所對應的端元覆蓋率對步驟3)中地物光譜庫中所對應的端元標準參考光譜進行重構，得到像元的重構高光譜數據。
2.如權利要求1所述的像元解混逆過程:規格化多端元分解的高光譜重構方法，其特徵在於:步驟5)將步驟2)中多光譜圖像反射率數據中的每個像元分別進行規格化多端元分解，並將分解的各端元進行不同性質的混合獲取每個像元對應的最優分解模型的具體過程為:將分解的各端元按照設定的方法進行混合迭代，並將每一次迭代得到的端元覆蓋率與相應的端元組合成某像元的多光譜圖像，並將此像元的多光譜圖像與步驟2)的多光譜地物反射率圖像中的對應像元多光譜進行相似度比較，遍歷端元所有可能的組合，在相似度符合設定閾值的條件下選擇相似度最大的作為最優分解模型； 由於端元類內與端元類間的變化是分解模型最主要誤差源，認為在規格化的多端元分解方法中端元是可在每個像素的基礎上變化的，提出針對第i波段的反射率模型修正:
Koptmmn, = C1.P;:' +C2./§+..-+Cb.+ r 式中，RMptimum為第i波段對應像元的最優擬合反射率，C1C^Cn為該像元各端元的分解係數，T1為殘差項，P丨'此."p1:,,為規格化後的各端元的標準光譜，上標I1,12,..., In分別表示光譜庫中該類地物中的一種。
3.如權利要求2所述的像元解混逆過程:規格化多端元分解的高光譜重構方法，其特徵在於:步驟5)根據需要，同時考慮精度要求和最優分解模型的生成時間，可將端元數目限定在7個；若不考慮計算時間的要求，根據本發明的原理可以根據實際需要增加搜索端元的數量，直至滿足精度要求為止。
4.如權利要求1到3任一項所述的像元解混逆過程:規格化多端元分解的高光譜重構方法，其特徵在於:步驟6)將得到的最優端元組合模型所對應的端元覆蓋率對地物光譜庫中所對應的端元標準參考光譜進行重構，得到像元的重構高光譜數據，具體過程如下:多光譜圖像中的光譜表示為若干標準模式和殘差項的線性組合:
R = fiei+f2e2+—+fnen+r 式中，R為像元的反射率，ei, e2,…，en為實際場景中的不同組分，其下標代表不同的端元，f為端元的覆蓋率，其下標代表不同的端元，r為殘差值，對於多光譜傳感器來說，其表示為:
Rm = eIIif+rIiieIii 式中，下標m代表多光譜傳感器，通過原先計算的最優端元分解模型，將各端元對應光譜庫中較窄的波段eH來代替em，重構獲得所需的高光譜數據:
Rh — eH^+rHeH 式中，下標H代表高光譜傳感器，Rh為重構的高光譜數據。
【文檔編號】G06T5/50GK104182953SQ201410415258
【公開日】2014年12月3日 申請日期:2014年8月21日 優先權日:2013年12月30日
【發明者】晏磊, 劉綏華, 趙紅穎, 景欣, 程承旗, 張立福, 李博, 羅斌, 劉慧麗, 魏雲鵬, 汪卓琦 申請人:北京大學