一种高光谱图像混合像元分解方法
【技术领域】
[0001] 本发明设及一种高光谱遥感图像混合像元分解的方法，具体为一种基于SC-SVM 的NMF算法的高光谱图像混合像元分解的方法，属于高光谱遥感图像处理技术领域。
【背景技术】
[0002] 遥感技术巧emote Sensing, RS)，指的是开始于二十世纪六十年代，从远距离空间 (航天）或者外太空空间（航空）对地球表面进行的综合性的观测技术，通过某种装置，遥 感，即从远距离或外太空间接观测监控，不接触目标，从光学角度获取对目标、现象W及区 域的相关信息，从而进行数据的融合分析W及推断，最终达到获取所需的目标信息的一种 手段、技术和科学。高光谱图像遥感技术（Hyper-spectral Gra地ic Remote Sensing),是 一种立于高光谱技术的技术基础上的遥感探测技术，是一种融合新型光谱探测技术、微信 号探测技术、光学精密机械、信号高速处理技术、计算机处理信息技术在一起的先进性、综 合性、科学性技术。该技术同时由于影响到地球学、环境保护学、野生生物学、信息技术学、 空间地理学等众多科学领域的关键技术，其技术的进步发展备受国内外学者的强烈瞩目， 目前已广泛应用于植被绿化、±壤分析、精细农业管理、大气环境监测、水环境监测、勘探矿 产资源分布等方面，充分展示出了高光谱遥感技术的潜力与优势。 W〇3] 在全球遥感界中通常会运样认为：多光谱遥感（Multi-spectralRemote Sensing)指的是光谱辨析率在1~9. 9X10 1A的光谱范围内的遥感，在运种范围内的 遥感传感器内只有分布在可见光区和近中红外光光谱区的很少的波段数；高光谱遥感 化yper-spectralRemoteSensing)指的是光谱辨析率在1~9. 9X10 2A的光谱范围内 的遥感技术；而超高光谱遥感扣Itra-spectralRemoteSensing)则指的是经过更高技术 的进步后，光谱辨析率达到1~9.9X1〇3a的光谱范围内的遥感技术。遥感技术，其发展 历程是在全色（即黑白色）摄影与彩色影像阶段之后，多光谱遥感迅速发展于二十世纪中 后半叶时期，取得了较大的进步，并已运用于环境与资源探测领域，但其分辨率仍然处于数 量级光谱的波长范围内，只有相对较少的采样点，随着科技的发展，人们对地球资源与环境 认识越来越深入，其运用精度越来越不能满足需求，对分辨率更深入的发展要求更加迫切， 主要体现在空间分辨率和光谱分辨率的深入与提高。图片中在空间分辨率指的是在遥感图 片中相邻的两个地形地物之间能够被区分出的最小长度，也就是通常所说的图片的清楚程 度，可用于对图片数据的直观解释。而图片中在光谱分辨率指的是光谱检测中的光谱反射 出的能够区分出的最小光谱间隔的波长，更确切的讲，就是检测区分光谱的性能。相对于空 间分辨率的直观观察，光谱观测技术能够更加直接和有效的反应地物的结构与性质，尤其 是在远洋探测监测、动植物研究分类、农业精细化规划、勘探矿产调查和现代化军事运用方 面具有更好的效果和更快的速率。随着科技的日新月异，航天航空工业的飞速发展，遥感 平台和光学传感器的不断更新进步升级，提高遥感光谱分辨率的已经处在迅猛的发展势头 中，高光谱遥感技术的发展已经成为当今遥感技术研究学者们的研究热点。由于种类性质 不一样的物质在一定的波长的光谱照射下，具有各自不同比例的吸收和反射的特性，通过 对比其反射光谱（或吸收）光谱的之间的差异，可w导出其物质的组成成分和物理结构上 之间的差异。如何才能从数据复杂的图像中提取出物质的特有属性（特征）并且清晰了解 与周边物质及在整体形态中的关系，成为研究中主要解决的问题。
[0004] 高光谱遥感影像（Hyper-spectralRemoteSensingImages)，是指在电磁波谱中 的中远红外光谱、近红外光谱、可见光光谱和紫外光谱区域内，在光谱成像仪的作用下，得 到的很多光谱分布连续且光谱区域范围很小的影像信息数据。随着成像光谱仪的迅速发展 与进步，所能获取到的高光谱遥感影像相比于传统的的二维成像技术的遥感图像，其是具 有几十W至上百个波段叠加而成的光谱图，其中的每一个基本的像元结构都是从着几十W 至上百个连续波段通道中所获取的得到的光谱图像，其正对应的光谱实物的反射特性，最 后都会得到一条较为完整的光谱曲线。高光谱遥感图像已不再是二维成像技术，将独特的 光谱理论与遥感成像技术有机的结合起来，形成的连续的地物光谱曲线，使得利用高光谱 技术能够成功反演地形地物的细节。
[0005] 在高光谱遥感图像发展的今天，已在多个领域得到了广泛的运用，并且取得了令 人满意的效果。高光谱遥感技术，其光谱分辨率是在于102A数量级的光谱波长的范围内， 相对于传统的多光谱遥感技术的10 1A数量级已经有了极大的提升，运用也有了质得进 步。在高光谱遥感图像中，像元的划分有两种：纯像元和混合像元。纯像元是指的把图像 像素单元内的光谱曲线作为单一地物反射的光谱曲线，运类的方法能够明显简化计算和便 于运用，但是，即使是光谱分辨率有了如此巨大的进步，由于地物的复杂性和传感器元件的 技术限制，使得高光谱遥感图像中的像元即光谱曲线通常是由多种地物的反射光谱混合而 成，运就是混合像元。混合像元中的每一种单一地物的反射光谱曲线称之为端元。混合像 元的存在影响着对高光谱遥感图像技术的作用发挥，如何才能更好的进行混合像元分解成 为了首要任务。
【发明内容】
[0006] 发明目的：混合像元的存在影响着对高光谱遥感图像技术的作用发挥，为了更好 的进行混合像元分解。本发明提供一种高光谱图像混合像元分解的方法，高光谱遥感图像 的智能化分类方法，是一种基于SC-SVM的NMF算法的高光谱图像混合像元分解的方法。 阳007]技术方案：一种新的基于SC-SVM的NMF算法的高光谱图像混合像元分解的方法。 该方法在应用NMF算法分解混合像元的过程中，对混合像元中的端元数量和光谱向量的求 解运用SC-SVM算法，其能够主动识别端元的数量并且标记出端元光谱的向量，从而解出 NMF算法中的基矩阵，然后通过非负矩阵分解算法来计算系数矩阵（即丰度矩阵），通过最 小化目标函数的过程逐步迭代至收敛，从而计算出想要的结果，最终达到混合像元分解的 目的。具体包括如下步骤：
[0008] 步骤1 :将高光谱图像进行预处理，包括福射校正和几何校正等，通过对图像获取 过程中产生的几何变形、扭曲和噪声的校正，从而获得尽可能在几何和福射上真实的图像， 去除效果不好的波段，将图像存储格式转成便于操作的二阶矩阵V，即V中每个列向量对应 一个混合像元的光谱曲线向量。
[0009] 步骤2 :按照SC-SVM方法求出端元的个数K和对应端元的光谱向量。在SC-SVM方 法中，选用径向核函数，其中求K是求对拉普拉斯算子0 <a, <-3--，对应的V,就是端元的光 m 谱向量，令给定训练样本集IxJ，i= 1，2,. . .，n，GRW，VG(0, 1]为设定的参数估计
[0010] 步骤3 :利用NMF算法，求解系数矩阵H，在计算中采用单向量的迭代，能够更加简 化迭代过程的计算，减小计算量和复杂度。
[0011] 利用SC-SVM方法对光谱信息就行单分类，将光谱信息经过径向核函数投影到高 维特征空间中，寻求最佳超平面使得映射数据样本点与原点间隔最大，从而找出端元数量 W及各个端元光谱信息对应的投影向量，即可求出NMF分解所欲求的基矩阵。
[0012] 设高光谱遥感图像的二阶矩阵V= {vj，i= 1，2,. . .，n，由n个像元组成，V;为 一个列向量，表示一个混合像元中的光谱曲线；利用NMF方法，要求表征端元特征的基矩阵 W和各端元在每个像元中丰度的系数矩阵H，即V>WH;在SC-SVM方法中选定在高光谱图 像处理中合适的核函数为径向核函数，即
将原图像V通过映射函 数口