专利名称：高光谱图像多端元模式的光谱混合分析方法
技术领域：
本发明涉及一种高光谱图像的光谱混合分析方法，特别是一种基于多端元模式的 ^ftXeWayMfi (Multiple endmember spectral mixture analysis,MESMA) ^^ ,ΜΤ ^ 信息处理技术领域。
背景技术：
随着遥感技术的发展，高光谱图像(HSI)得到了越来越广泛的应用。高光谱图像 的空间分辨率一般较低，这种情况导致了混合像元的广泛存在，即一个像元可能是几种类 别的混合。对于这类像元，将其按照一般分类方法归属为任何一类都是不准确的。分析各类 别成分在混合像元内所占的比例即分量值的技术称为光谱解混或光谱混合分析，是高光谱 数据分析的最基本、最重要内容之一，从实质上讲它是一种更为精确的分类技术。在近十多 年里，多种高光谱图像光谱混合分析算法相继发展起来，其中，线性光谱混合分析是一种典 型的解混算法。在这种方法中，每个类别的光谱特征用一固定或单一的光谱即端元来描述。 这些端元在无监督的情况下可通过N-FINDR，PPI和IEA等方法来获取，在有监督的情况下 可从训练样本中提取。混合像元的光谱看作是这些端元的线性加权合成。然而，对于一个 类别而言，每个光谱之间是存在很大差异的，因此，用单端元来描述一个类别是欠妥的。多端元光谱混合分析技术是对传统的单端元光谱混合分析技术的一种扩展，其独 特之处在于引入变化的端元来刻画一个类别，很好地解决了类内光谱差异的问题。目前已 有一些典型文献提出了该方法的具体实施方案。C.ANN BATES0N等采用BUNDLE方法，对 每个类别均以若干个(一般3-5个)光谱来表示，这些光谱是利用现有的端元选择方法从 纯像元监督样本中选出的，然后用所得解混分量值的最大和最小值来估计各类混合比例。 ASNER和LOBELL等采用蒙特卡罗(MONTE CARLO)方法，用大量纯像元监督样本的随机组合 来进行大量次的单端元模式解混，在利用置信区间解决类内光谱差异，估计混合像元中各 类所占比例。Roberts等人开发了一种VIPER TOOLS方法，提供了一种类似于BUNDLE方法 的一种多端元光谱混合分析方法，不同之处仅在于从纯像元监督样本选择多端元的方式不 同。虽然这些已有的多端元光谱混合分析方法克服了传统单端元的不足，取得了良好 的效果。但是，这些方法仍然存在明显的不足，特别是解混次数过多导致运算速度慢、多端 元选择过程复杂等。
发明内容
本发明的目的在于提供一种具有低复杂度、高效率的高光谱图像多端元模式的光 谱混合分析方法。本发明的目的是这样实现的输入待分析混合像元为ρ ；输入全部N类别的端元 [ ·，々,4<·々，· ,elN,e2N,-,々],第i类别的端元数目为Ci,其中i = l，2，·，Ν;按照如下步骤进行分析步骤1)混合比例的初次分析第i、其中i = 1，2，·，N个混合比例& (ρ)为fi(p) = <wi p>+bi
「0 Ir其中，截距、为 ντ
Llv EtEWi = Ea,其中，E为由当前全部的C个端元以类别为序组成的端元阵列，y为对应于E中第 i类端元位置处的值为1、其余元素值为0的C维列向量，Iv为元素值全为1的C维列向量，
「0 f
参量α为 ντ
Llv EtE步骤2)混合比例的二次分析依次检查混合比例f」(p)，j = 1，2，·，N，当f」(p) 大于1时令其为1、小于0时令其为0，最后再将每个混合比例除以全部混合比例之和，得到
的N个结果^(内J = 1,2,· 即为混合像元ρ的N个类别的正的、总和为100%的混合比例。本发明还可以包括1、在混合比例的初次分析步骤前进行端元数目均衡，所述进行端元数目均衡是检 查全部N类中各类的端元数目Ci (i = 1,2, ，吣，若(；大于aninlA，。 ，CN}，则对第i 类端元进行整数倍降采样使之数目不小于HiinIC1，C2, ·，CJ同时不大于aninlA，C2, ·，
CfJ} O2、在混合比例的初次分析步骤前进行端元总数限定，所述进行端元总数限定是检 查剩余端元总数，若该总数大于100 X N，则对各类端元进行整数倍降采样使得剩余端元总 数不小于50XN同时不大于100XN。3、在混合比例的初次分析步骤前进行端元数目均衡和端元总数限定，即检查全 部N类中各类的端元数目C“i = 1,2, ，吣，若(；大于aninlA，。 ，CN}，则对第i类端 元进行整数倍降采样使之数目不小于minlA，C2, ，CJ同时不大于^iinICnC3, ，CN}；检 查剩余端元总数，若该总数大于100XN，则对各类端元进行整数倍降采样使得剩余端元总 数不小于50XN同时不大于100XN。本发明提出一种新的多端元模式的光谱混合分析方法，具有低复杂度、高效率等 优势。
图Ia)-图lb)为两种光谱混合分析方法的混合样本区域的对比。其中图la) 为新光谱混合分析方法的混合区域，图lb)为传统单端元线性光谱混合分析方法的混合区 域。2f)为合成200维的混合样本在不同光谱混合分析方法下的结果对比。 其中图2a)为真实混合比例图，图2b)是传统单端元线性光谱混合分析结果，图2c)是蒙 塔卡罗光谱混合分析方法结果，图2d)是BUNDLE光谱混合分析方法结果，图2e)是VIPER TOOLS光谱混合分析方法结果，图2f)是新光谱混合分析结果。图3的表1为合成200维的混合样本在不同光谱混合分析方法下的数据评价。
4
0中的第一个元素，斜率Wi为
y
°中去掉第一个元素的列向量；
图4的表2为合成5维的混合样本在不同光谱混合分析方法下的数据评价。图5为本发明的流程图。
具体实施例方式下面结合附图举例对本发明做更详细地描述。本发明为一种具有低复杂度、高效率的多端元模式的光谱混合分析方法，它至少 包括端元数目均衡、端元总数限定、混合比例的初次分析、混合比例的二次分析中的一个。 端元数目均衡是通过采用方法使得任何两类端元数目都小于2倍；端元总数限定是使得端 元总数不超过类别数目的100倍；混合比例的初次分析是利用端元信息获得未必满足全约 束条件的初步混合比例结果；混合比例的二次分析是在初次分析的基础上进行端元筛选， 利用筛选出的端元信息及初次分析的方法获得满足全约束条件的最终混合比例结果。下面 给出本发明的详细过程输入待分析混合像元ρ ；输入全部N类别的端元 [ · W1VK.々,· 4:,々],第i(i = 1，2，·，N)类别的端元数目为Ci。当
前的任务是分析N个类别在混合像元ρ中所占的比例；；…),_7+ = 1,2,· 分别是多少。具体
分析步骤如下步骤1)端元数目均衡检查Ci (i = 1，2，·，吣，若(；大于aninlCpCy ·，Cj，则 对第i类端元进行整数倍降采样使之数目不小于minlA，C2, ·，CJ同时不大于aiiiniA， C2， ，CN}；步骤2、端元总数限定检查剩余端元总数，若该总数大于100XN，则对各类端元 进行整数倍降采样使得剩余端元总数不小于50XN同时不大于100XN ；步骤3)混合比例的初次分析第i (i = 1，2，·，N)个混合比例& (ρ)为fi(p) = <wi p>+bi
「0 Ir其中，截距、为 \
Llv EtEWi = E α ,其中，E为由当前全部的C个端元以类别为序组成的端元阵列，y为对应于E中第 i类端元位置处的值为1、其余元素值为0的C维列向量，Iv为元素值全为1的C维列向量，
「0 f
参量α为 ντ
Llv EtE步骤4)混合比例的二次分析依次检查混合比例fj (ρ)，j = 1，2，·，N，当fj (ρ) 大于1时令其为1、小于0时令其为0(称为非负化处理)，最后再将每个混合比例除以全部 混合比例之和(称为归一化处理)，即若fjp)彡 1，则令 fjp) = 1 ;若fj (ρ)彡 0，则令 fj (ρ) = 0
NI1(P) = f,(P)IYjI1(P)(3)
0中的第一个元素，斜率Wi为
y
°中去掉第一个元素的列向量。
y
这样得到的N个结果_/；.(内J = 1,2,· 即为混合像元P的N个类别的正的、总和 为100%的混合比例。我们通过将本发明提出的新光谱混合分析方法与传统单端元、MONTE CARLO、 BUNDLE和VIPER TOOLS光谱混合分析方法进行实验比较来证明所提出方法的有效性。图像 取自1992年6月拍摄的美国印第安纳州西北部印第安农林高光谱遥感试验区的一部分，图 像大小为144X144，200波段(特征)。原始监督数据将该图像界定为除背景外共16种地 物类别。在第一组实验用来比较新光谱混合分析方法和传统单端元光谱混合分析方法的 混合区域。从类2和类14中各挑选200个样本，取波段2和波段50的灰度值。如图1所 示，a)中，由支持向量所形成的两条直线将很好地特征空间分成纯样本区域和混合区域。而 传统单端元光谱混合分析方法对某一类所有训练样本的光谱取均值来作为单一端元，由两 类的平均光谱所形成的直线如b)所示，只有落在这两条直线上的样本才判定为纯样本，其 他区域的样本均为混合样本，这样一来，用该方法进行光谱混合分析时，原本的纯训练样本 也会被光谱混合分析为混合样本，显然，这会带来很大误差。通过该组比较可知运用新光谱 混合分析的合理性。 在第二组实验中，从类2和类14中各挑选500个样本，每个样本均含200特征。分 别标记为a(l)，aQ)，a(3)，...a (500)和 b (1)，M2)，b (3)，· · · b (500)。取混合比例 Qj =jXO. 1，j = 1,2, ...，10，对于每个Qj，均从两类500个样本中随机挑选100个，标号 分别为 Pk 和 qk ，k = 1，2，· · ·，100，得到的混合样本为=Iiij (k) = α」a (pk) + (1_ α」)b (qk)， k = 1,2,... ,100, j = 1,2,... ,10o从每类500个样本中各随机挑选300个，作为端元样 本。每类另剩余的各200个样本和合成的1000个混合样本作为待光谱混合分析样本，来比 较各种方法。为方便观察，将真实混合比例图设置成25X44图像，前4列对应类a的分量 值为1，接着的4列对应的分量值为0。其余的情况，a混合比例按10%逐渐递增至90%。 由于每种混合情况均有100个样本，则每4列的100个像元对应一种分量值。各种方法分 析结果如图2所示，光谱混合分析的数据评价如表1所示。实验结果表明，提出的新光谱混 合分析方法效果要优于另外4种方法。 在第三组实验中，先对类2和类14进行特征选择，从200个波段中选择17，四，41， 97和200这5个波段的灰度值。然后从这两类中各挑选500个样本，从每类中随机挑选100 个作为端元样本。合成 1000 个混合样本:m(k) =0.001XkXa (pk) + (1-0. OOlXk) Xb (qk)， k= 1,2, ...,IOOO0最后，添加类11，将类别数增加到3，进行同样的操作。各种光谱混合 分析方法的数据评价如表2所示。实验结果同样表明，提出的新光谱混合分析方法效果无 论是两类还是三类时，效果都要优于另外4种方法。
权利要求
1.一种高光谱图像多端元模式的光谱混合分析方法，其特征是输入待分析混合像元为 P;输入全部N类别的端元[ ·,々,44,·,亡,· 4:,々],第i类别的端元数目 为Ci,其中i = 1，2，·，N ；按照如下步骤进行分析步骤1)混合比例的初次分析第i、其中i = 1，2，·，N个混合比例fi(p)为fi (P) = <wi7 p>+bi70中的第一个元素，斜率Wi为 少」Wi = E α ,其中，E为由当前全部的C个端元以类别为序组成的端元阵列，y为对应于E中第i类 端元位置处的值为1、其余元素值为0的C维列向量，Iv为元素值全为1的C维列向量，参°中去掉第一个元素的列向量；步骤2)混合比例的二次分析依次检查混合比例& (ρ)，j = 1，2，·，N，当& (ρ)大于 1时令其为1、小于O时令其为0，最后再将每个混合比例除以全部混合比例之和，得到的N个结果i；(内，_/+ = 1，2,· 即为混合像元P的N个类别的正的、总和为100%的混合比例。
2.根据权利要求1所述的光谱图像多端元模式的光谱混合分析方法，其特征是在混 合比例的初次分析步骤前进行端元数目均衡，所述进行端元数目均衡是检查全部N类中各 类的端元数目CiG = 1，2，·，N)，若Ci大于2π η{Α，C2, ·，Cj，则对第i类端元进行整数 倍降采样使之数目不小于HiinIC1, C2, ·，CJ同时不大于2π η{Α，C2, ，Cj。
3.根据权利要求1所述的光谱图像多端元模式的光谱混合分析方法，其特征是在 混合比例的初次分析步骤前进行端元总数限定，所述进行端元总数限定是检查剩余端元 总数，若该总数大于100ΧΝ，则对各类端元进行整数倍降采样使得剩余端元总数不小于 50ΧΝ同时不大于100ΧΝ。
4.根据权利要求1所述的光谱图像多端元模式的光谱混合分析方法，其特征是在混 合比例的初次分析步骤前进行端元数目均衡和端元总数限定，即检查全部N类中各类的 端元数目Ci (i = 1，2，·，N)，若Ci大于2min IC1, C2, ，CN}，则对第i类端元进行整数倍降 采样使之数目不小于HiinIC1, C2, ，CN}同时不大于^iinICpC2, ，CN}；检查剩余端元总数， 若该总数大于100XN，则对各类端元进行整数倍降采样使得剩余端元总数不小于50XN同 时不大于100XN。
全文摘要
本发明提供的是一种高光谱图像多端元模式的光谱混合分析方法。输入待分析混合像元为p；输入全部N类别的端元第i类别的端元数目为Ci，其中i＝1，2，·，N；按照如下步骤进行分析进行端元数目均衡；进行端元总数限定；混合比例的初次分析；混合比例的二次分析。本发明提出一种新的多端元模式的光谱混合分析方法，具有低复杂度、高效率等优势。
文档编号G06T7/00GK102074009SQ20111000136
公开日2011年5月25日 申请日期2011年1月6日 优先权日2011年1月6日
发明者刘丹凤, 王立国, 王群明, 赵春晖 申请人:哈尔滨工程大学