专利名称：：一种基于优化搜索策略的高光谱图像端元提取方法
技术领域：
：本发明涉及一种基于优化搜索策略的高光谱图像端元提取方法，属于一种高光谱遥感图像的端元提取方法，属于高光谱遥感数字图像处理和模式识别领域。
背景技术：
：通过太空高光谱传感器获取的地表高光谱遥感图像包含了丰富的地物空间信息、大量窄带光谱信息以及地表物的辐射强度信息，同时，无论从宏观还是微观的角度，高光谱遥感图像都能反映出某一区域复杂地表物所发射、反射、散射、吸收的电磁波信息。基于其极其巨大丰富的信息包含量，高光谱遥感图像已经成为遥感领域强大的工具，广泛应用于地物发现以及矿物、岩石、农作物成分分析等方向，同时，高光谱数字图像处理方法相应成为研究热点。在高光谱遥感图像中，混合像元的存在已经成为一种必然，所谓混合像元，即在高光谱遥感图像的一个像元中，包含了多于一种的地物信息。造成混合像元的原因有很多，其中主要原因有两点一是地物的复杂性造成高光谱遥感图像的一个像元对应的地表区域不存在单一的地物，由此所成的像元必为混合像元；二是为了得到较高的光谱分辨率而不得不牺牲空间分辨率的一种妥协手段，使得一个像元面积——即高光谱遥感图像中的一个像元对应实际地面的面积，大于单一地物所占面积，造成图像面积覆盖率过大，一个像元包含多个地物信息，出现混合像元。混合像元普遍存在于高光谱遥感图像中，对高光谱图像的分析和应用造成了很大困难，像元解混是许多分析应用的必要前提，例如高光谱遥感图像分类、识别、光谱匹配等，前期工作都需要将混合像元解混。端元提取，即提取高光谱遥感图像中只含一种地物的像元——端元，是像元解混的重要前提，端元未知，像元解混也无从谈起。然而高光谱遥感图像中的海量数据，以及像素之间复杂相关性的存在，使得端元提取工作成为一项非常棘手的难题。目前，高光谱遥感图像的端元提取算法有很多，从是否需要用户介入的角度看，可分为自动端元提取和监督端元提取，从端元提取的次序看，可分为一次性端元提取和顺序端元提取等。在现有的端元提取算法中，基于特征空间单形体最大体积变换(MVT)思想的算法占有重要地位，该思想将高光谱遥感图像中的每一个光谱向量视为高维特征空间中的一个点(特征空间的维数等于光谱波段数)，由于每一个混合像元都可以由所有端元线性表出，因此在高维特征空间中，代表高光谱遥感图像光谱向量的所有点组成特征空间中的一个凸包，且该凸包位于由以端元为顶点构成的凸面单形体内。高光谱遥感图像在高维特征空间的这种凸面几何特性，是基于单形体最大体积变换思想端元自动提取算法的理论依据。目前基于MVT思想的端元自动提取算法在计算单形体最大体积的过程中，由于缺乏有效的搜索策略以及相应的搜索规则，具有耗费时间过长，计算量过大，输出结果不稳定等缺点。
发明内容要解决的技术问题为了避免现有技术的不足之处，本发明提出一种基于优化搜索策略的高光谱图像端元提取方法，可以具有较低时间复杂度，大大减少运算次数和时间，并且输出结果不受初始值不同的影响，相对稳定。本发明的思想在于在高光谱遥感图像光谱向量在高维特征空间中形成的点集中任意选择初始端元备选集合，然后结合优化的搜索策略，在单形体体积逐步增大的过程中选取接近端元的点，最终选出全部端元，它们位于体积最大的单形体顶点处。技术方案一种基于优化搜索策略的高光谱图像端元提取方法，其特征在于步骤如下步骤1根据采高光谱遥感图像的相关矩阵和协方差矩阵的特征值:，采用虚拟维度法VirtualDimensionality估算原始高光谱遥感图像所包含的大致地物数量1，其中n为光谱波段数，1初始值为零；当某一波段上i>；L,.时大致地物数量1加1；所述的虚拟维度法中的虚警率PF为0.001；步骤2采用主成分分析法PrincipalComponentsAnalysis对原始高光谱遥感图像进行降维处理，主成分分析法中的光谱维数等于步骤1得到的大致地物数量1-1；步骤3对步骤2得到的降维后的高光谱遥感图像进行端元提取，分如下步骤实现步骤a:任选出1个点作为端元初始集{eQ，&，...，e^}；步骤b在{e0,ei，…，ei_J中任选一个向量ei；步骤c过点ei做平行于超平面{ei，...，ei_J的超平面&，以超平面切割数据云团的上半部分为针对于ei的搜索区域和方向；步骤d在e,的搜索区域中，选择一个向量ek替代并计算步骤e根据=得到加步骤f重复1-1次步骤a步骤e，求出最终的端元集合广。有益效果本发明提出的基于优化搜索策略的高光谱图像端元提取方法，采用了特征空间优化搜索策略结合MVT思想，通过逐步增大特征空间的单形体体积，顺序求出高光谱遥感图像的端元。对于任何一个备选端元，本方法首先确定其在特征空间的搜索区域和方向，然后进行小范围搜索，大大降低了运算量，减轻了算法时间复杂度，并且提高了输出稳定性，可用于多种高光谱图像应用场合。由于本方法利用了高光谱图像高维特征空间中最大单形体体积转换思想结合有向优化搜索策略的方法，可以进行高光谱端元的自动提取，适用于高光谱遥感图像的解混、分类、识别、光谱匹配等工作。图1本发明基本方法流程2针对备选端元％的搜索区域，以二维空间为例在初始端元集{%，e2}中，针对备选端元％的搜索区域。图3本方法应用于实际图像的端元输出结果，原始图像来源于ENVI，大气校正后空间分辨率为400*350，光谱分辨率为50。图中标出了输出端元集中的前五个端元，分别标识为A(明矾石)、B(水铵长石)、C(方解石)、K(高岭石)和M(白云母)。经过与该地域已知矿物分布比较，端元坐标位置准确，且针对不同的初始端元集，输出结果稳定。具体实施例方式现结合实施例、附图对本发明作进一步描述本实施例的硬件环境是Pentium-43.0G计算机、1G内存、128M显卡；运行的软件环境是WindoWXP操作系统，用IDL7.0程序设计语言结合ENVI实现了本发明提出的方法。1.使用VD法估计原始高光谱遥感图像所包含的大致地物数量。首先计算高光谱遥感图像的相关矩阵和协方差矩阵的特征值丨l，i,...，义“丨和U。，X”...，An_J,(设光谱波段数为n)如果在某一波段上i,.>；1,,则代表该波段上有明显光谱信号出现，若i-=，则说明该波段上的光谱信号很可能来自噪声。在预先设定的虚警率PF的限制下，通过比较相关矩阵和协方差矩阵的特征值，可大致估算高光谱遥感图像所包含的实际地物数量1。2.用主成分分析法将高光谱遥感图像的光谱维数由初始的n维降为1-1维。对于一副初始高光谱遥感图像I(i，j，n)，将其每个像素用光谱向量表示为M-\其协方差矩阵为求出其协方差矩阵的特征值，{^^彡人彡...》^n_J，从大到小选出其中1-1个特征值{、彡彡人^}，将其对应的特征向量作为列向量组成正交矩阵P=“，...，？1_2}，用？=“，...，？1_2}对每一个光谱向量xk进行正交变换，得X'k=xk*P，x'keRH，最终得到降维后的高光谱遥感图像I'(i，j，l-l)。3.端元提取。按如下流程实现①任选出1个点作为端元初始集{eQ，ei，...，ei_J。(1由第一步VD法确定)每个点都是1-1维特征空间中的一个向量，代表一个高光谱遥感图像I'(i，j，1-1)中的一个光谱向量。②在{%，ei，...，ei_J中任选一个向量，不失一般性，以％为例。③确定针对％的搜索区域和方向。在特征空间中，过点％做平行于超平面{e”...，ei_J的超平面〈，针对于％的搜索区域和方向为超平面切割数据云团的上半部分。(不失一般性假设单形体{eQ，ei，...，ei_J位于超平面及下方)④在e0的搜索区域中，选择一个向量ek替代％，并计算⑤取eofinal求取满足此时端元集为在剩下的1-1个初始端元中任选一个向量，重复上面的步骤，直至求出最终的端元集合权利要求一种基于优化搜索策略的高光谱图像端元提取方法，其特征在于步骤如下步骤1根据采高光谱遥感图像的相关矩阵和协方差矩阵的特征值和{λ0，λ1，...，λn-1}，采用虚拟维度法VirtualDimensionality估算原始高光谱遥感图像所包含的大致地物数量l，其中n为光谱波段数，l初始值为零；当某一波段上时大致地物数量l加1；所述的虚拟维度法中的虚警率PF为0.001；步骤2采用主成分分析法PrincipalComponentsAnalysis对原始高光谱遥感图像进行降维处理，主成分分析法中的光谱维数等于步骤1得到的大致地物数量l-1；步骤3对步骤2得到的降维后的高光谱遥感图像进行端元提取，分如下步骤实现步骤a任选出l个点作为端元初始集{e0，e1，...，el-1}；步骤b在{e0，e1，...，el-1}中任选一个向量ei；步骤c过点ei做平行于超平面{e1，...，el-1}的超平面以超平面切割数据云团的上半部分为针对于ei的搜索区域和方向；步骤d在ei的搜索区域中，选择一个向量ek替代ei，并计算<mrow><msub><mi>V</mi><mrow><msub><mi>e</mi><mi>i</mi></msub><mo>↔</mo><msub><mi>e</mi><mi>k</mi></msub></mrow></msub><mo>=</mo><mfrac><mrow><mo>|</mo><mi>det</mi><mfencedopen='['close=']'><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mn>1</mn></mtd><mtd><mn>1</mn></mtd><mtd><mn>1</mn></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mn>1</mn></mtd></mtr><mtr><mtd><msub><mi>e</mi><mn>0</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>e</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>e</mi><mi>k</mi></msub></mtd><mtd><msub><mi>e</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>e</mi><mrow><mi>l</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd></mtr></mtable></mfenced><mo>|</mo></mrow><mrow><mrow><mo>(</mo><mi>l</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>!</mo></mrow></mfrac><mo>;</mo></mrow>步骤e根据得到步骤f重复l-1次步骤a～步骤e，求出最终的端元集合FSA00000136737100011.tif,FSA00000136737100012.tif,FSA00000136737100013.tif,FSA00000136737100014.tif,FSA00000136737100016.tif,FSA00000136737100017.tif,FSA00000136737100018.tif全文摘要本发明提出了一种基于优化搜索策略的高光谱图像端元提取方法，技术特征在于基于特征空间单形体最大体积转换思想，结合优化搜索策略，在特征空间中通过逐步增大单形体体积，顺序提取端元。本方法先用虚拟维度法估算一幅高光谱遥感图像的实际地物数，然后用主成分分析法对图像进行降维处理，在任选的初始端元集中，逐步在每个备选单元的对应搜索区域进行单形体体积增大转换，最终输出所有端元。实验证明，给算法能降低运算量，节省运算时间，且能获得稳定精确地端元提取结果。解决目前基于单形体最大体积转换思想的高光谱遥感图像自动端元提取方法运算量过于庞大、时间复杂度高和最终端元集输出不稳定，易受初始端元集的影响的缺陷。文档编号G06T7/00GK101853506SQ20101018547公开日2010年10月6日申请日期2010年5月27日优先权日2010年5月27日发明者梁楠,王瀛,郭雷申请人:西北工业大学