基于高光谱图像解混的地物识别方法
【专利摘要】本发明公开了一种基于高光谱图像解混的地物识别方法，主要解决现有方法判断混合像素点所属地物类别不准确的问题。其实现步骤为：输入一幅高光谱图像，将该高光谱图像中的混合像素点按列排成一个矩阵，组成数据矩阵；用数据矩阵的流形约束，丰度矩阵的稀疏约束和端元矩阵的平滑约束构成的约束项，加入到NMF算法的目标函数里，构成新的目标函数；对新的目标函数进行优化解混，得到该高光谱图像解混之后的端元矩阵和丰度矩阵；根据解混之后的端元矩阵和丰度矩阵判断该高光谱图像中所有混合像素点的地物类别。本发明能提高解混得到的端元值和丰度值的精度，从而提高了高光谱图像地物识别的精度，可用于目标跟踪。
【专利说明】基于高光谱图像解混的地物识别方法
【技术领域】
[0001]本发明属于遥感图像处理【技术领域】，是一种基于高光谱图像解混的地物识别方法，该方法可用于高光谱图像的分析，将一个混合像素点分解为端元和对应的丰度值。
【背景技术】
[0002]高光谱图像是利用成像光谱仪对同一地表区域的几十乃至几百个波段同时成像而获得的三维图像，由二维空间信息和一维光谱信息组成。利用这些丰富的光谱信息对地物进行细分和鉴别，在多领域得到了广泛应用。因为高光谱图像的光谱传感器的光谱分辨率高，所以形成的谱段多，但是每个谱段接受的能量小，所以只能提高接受光谱的地面面积，即降低空间分辨率。所以由于高光谱图像的空间分辨率不高还有自然界地物的复杂性从而形成混合像素点。混合像素点的普遍存在不仅影响地物的识别和分类精度，而且是遥感技术向定量化发展的重要障碍。因此如何有效地进行混合像素点分解是高光谱遥感图像应用的关键问题之一。
[0003]高光谱图像中混合像素点的模型一般采用线型混合模型，它的优点是算法简单，物理意义明确。该模型的数学过程简要描述如下:一个具有L个谱段的像素点表示为Xu e矿X1，具有P个端元的端元矩阵表示为M e fxp，Μ对应的丰度矩阵表示为S^.e RPX1。则有:XU = MSu+n，其中n为噪声。在实际环境中该模型受两个条件的限制:
① Mup ≥ 0，(1 ≤ u ≤ L，1 ≤ ρ ≤ Ρ)
【权利要求】
1.一种基于高光谱图像解混的地物识别方法，包括如下步骤:(1)输入一幅高光谱图像Xe Rmxnxl，并将该高光谱图像中混合像素点Xij e Ι?1Χ?按列排列，构成数据矩阵Z e矿'其中Μ和N为二维图像的行和列，i和为j为二维图像的横坐标和纵坐标，L为谱段数，B为高光谱图像中混合像素点总数，B = MXN, R表示实数集合；(2)根据流形假设理论，构造数据矩阵Z的流形约束项:
2.根据权利要求书1所述的基于高光谱图像解混的地物识别方法，其中步骤(2)所述的根据流形假设理论，构造数据矩阵Z的流形约束项，按如下步骤进行:2a)用热核函数计算数据矩阵?.的笫i列和数則矩阵Z的第j列Zj的权值Wu:
3.根据权利要求书1所述的基于高光谱图像解混的地物识别方法，其中所述步骤(6)中用迭代乘法优化求解目标函数f ’ (M, S)，按如下步骤进行:3a)用(0，1)之间随机数初始化端元矩阵Μ和丰度矩阵S，将丰度矩阵S的每列进行归一化处理；输入端元矩阵Μ和丰度矩阵S ；3b)对目标函数f’(M，S)=0中的丰度矩阵S进行求导，得到丰度矩阵S的迭代乘法计算公式:
【文档编号】G06K9/66GK103679210SQ201310647509
【公开日】2014年3月26日 申请日期:2013年12月3日 优先权日:2013年12月3日
【发明者】杨淑媛, 焦李成, 黄春海, 马晶晶, 马文萍, 侯彪, 刘芳, 程时倩, 马永刚 申请人:西安电子科技大学