一种结合两种插值算法的遥感图像亚像元定位方法
【专利摘要】本发明属于遥感信息处理【技术领域】，特别涉及一种结合两种插值算法的遥感图像亚像元定位方法。本发明包括：将一幅大小为m×n的低分辨图像中的像素隔行隔列地嵌入到大小为2m×2n的高分辨率图像中，其中未知的像素点为待插值点；获取待插值像素点x；利用光谱解混技术得到各地物类别所占的比例，按照预先设定的比例因子S将低分辨率图像中的每一个像元分割成S2个亚像元，进行遥感图像亚像元定位。本发明的方法无需迭代，无需训练样本，效率更高、速度更快、精度更高。
【专利说明】一种结合两种插值算法的遥感图像亚像元定位方法
【技术领域】
[0001]本发明属于遥感信息处理【技术领域】，特别涉及一种结合两种插值算法的遥感图像亚像元定位方法。
【背景技术】
[0002]由于遥感图像数据在获取过程中受传感器和环境参数等因素影响，使得混合像元成为遥感图像所固有的特征。混合像元的存在，为获取地物分布信息带来了极大的困难。光谱解混技术虽然获得了混合像元中各类地物类别所占的比例(即分量图)，却无法预测出各地物类别具体的空间分布情况。亚像元定位技术正是为了解决上述问题而发展起来的。将混合像元按所需放大比例分割为多个面积更小的亚像元，并根据光谱解混技术所得到的低分辨率分量图确定每个亚像元对应的地物类别，从而得到亚像元级别下的地物分类图。
[0003]近年来,亚像元定位技术已成为国内外研究的热点之一。Mertens利用空间引力模型，计算混合像元内各亚像元所受到的空间引力的大小，并以混合像元内各亚像元受到的空间引力的大小为指示判决信息，来确定各亚像元所属的类别。该方法可以得到较好的实验结果，但却只利用了混合像元周围邻域像元的分量值信息，而忽略了其自身地物分布的结构信息。
[0004]Tatem采用Hopfield神经网络(HNN)模型作为能量工具，将每个亚像元当作一个神经元，以各混合像元的分量值为约束条件，对输出的神经元采用约束能量最小的原则进行求解。但该方法却需要较长的迭代求解时间。Ling等将多幅具有亚像元级别的位移图像的解混分量图嵌入到HNN的比例约束项中，对亚像元定位过程进行多重约束，减少亚像元定位过程中的不确定性。Wang将多幅位移图像的光谱信息嵌入到马尔科夫模型的光谱约束项中，提供多光谱约束，提高马尔科夫模型的亚像元定位精度。Ling等将亚像元定位过程分为以下两步:首先，对每一地物类别的低分辨率分量图进行插值，得到多幅具有概率信息高分辨率图像；其次，按照多幅图像中的概率信息和光谱解混技术所得到的比例信息，来确定亚像元定位的最终结果。然而，由于传统的插值算法在图像边缘处存在模糊效应，这使得该方法的应用有一定的局限性。
【发明内容】
[0005]本发明的目的在于提供一种具有高精度且快速的应用空间结构相似性插值算法和反距离权值算法的遥感图像亚像元定位方法。
[0006]本发明的目的是这样实现的:
[0007](I)将一幅大小为mXn的低分辨图像中的像素隔行隔列地嵌入到大小为2mX2n的高分辨率图像中，其中未知的像素点为待插值点:
[0008]I)将原始低分辨率图像中的像素点隔行隔列嵌入高分辨率图像中，已知的像素用黑色表示，待插值的未知像素用白色表示；
[0009]2)计算所在行与列之和为偶数的白色像素点q的值，[0010]
【权利要求】
1.一种结合两种插值算法的遥感图像亚像元定位方法，其特征在于: (1)将一幅大小为mXn的低分辨图像中的像素隔行隔列地嵌入到大小为2mX2n的高分辨率图像中，其中未知的像素点为待插值点: 1)将原始低分辨率图像中的像素点隔行隔列嵌入高分辨率图像中，已知的像素用黑色表不，待插值的未知像素用白色表不； 2)计算所在行与列之和为偶数的白色像素点q的值，
【文档编号】G06T7/00GK103793917SQ201410061826
【公开日】2014年5月14日 申请日期:2014年2月24日 优先权日:2014年2月24日
【发明者】王立国, 王正艳, 窦峥, 赵春晖 申请人:哈尔滨工程大学