基于amrf的高光谱图像稀疏解混方法
【专利摘要】本发明公开了一种基于AMRF的高光谱图像稀疏解混方法，解决了现有技术在高光谱图像稀疏解混过程中，稀疏解混精度低、耗时长、效率低的问题。本发明实现的具体步骤是：（1）输入解混参数；（2）预处理；（3）构造马尔科夫约束模型；（4）构造稀疏解混模型；（5）求解稀疏解混模型；（6）输出解混结果。本发明引入了自适应的马尔科夫约束模型，使得本发明具有稀疏解混精度高、耗时短、效率高的优点。
【专利说明】基于AMRF的高光谱图像稀疏解混方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，更进一步涉及稀疏解混【技术领域】中的一种基于自适应的马尔科夫随机场(Adaptive Markov random field, AMRF)的高光谱图像稀疏解混方法。本发明可用于各种数字设备的高光谱图像稀疏解混处理，能有效提高高光谱图像稀疏解混的精度。
【背景技术】
[0002]高光谱图像中混合像元的存在，是传统的像元级遥感分类和面积量测精度难以达到使用要求的主要原因。为了提高遥感应用的精度，就必须解决混合像元的分解问题，使遥感应用由像元级达到亚像元级。进入像元内部，将混合像元分解为不同的基本组成单位，称为端元，并求得端元所占的比例，这就是所谓的光谱解混技术。
[0003]Marian-Daniel 1rdache, Jose M.Bioucas-Dias 和 Antonio Plaza 在文献“Sparse Unmixing of Hyperspectral data，，([J].IEEE Transactions on Geoscienceand Remote Sensing, 2011, 49 (6).)中提出了一种基于变量分裂和增广拉格朗日(sparseunmixing via variable splitting and augmented Lagrangian, SUnSAL)的稀疏分角军方法。该方法将稀疏表示理论应用到高光谱图像线性解混中，建立稀疏解混模型，从而将解混问题转化为求解一个大型非光滑凸优化问题，并且利用交替乘子替换法求解该稀疏解混模型。但是该方法依然存在的不足是，在高光谱图像稀疏解混过程中，稀疏解混精度低。
[0004]北京航天航空大学拥有的专利技术“一种基于随机投影的高光谱图像稀疏解混方法”(专利申请号:201110207433.0，授权
【发明者】李云松, 李娇娇, 刘嘉慧, 吴宪云, 王柯俨, 宋长贺 申请人:西安电子科技大学