[發明專利]基于AMRF的高光譜圖像稀疏解混方法

無效

• 申請號: 201410089806.2
• 申請日: 2014-03-12
• 公開（公告）號: CN103810714A
• 公開（公告）日: 2014-05-21
• 發明（設計）人: 李云松;李嬌嬌;劉嘉慧;吳憲云;王柯儼;宋長賀
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于AMRF的高光譜圖像稀疏解混方法，包括如下步驟：

（1）輸入解混參數：

分別輸入待解混的高光譜圖像、高光譜標準波譜數據庫、待解混的高光譜圖像的參考豐度矩陣；

（2）預處理：

(2a)采用遙感影像處理軟件，對輸入的待解混的高光譜圖像進行降噪處理，得到無噪聲高光譜圖像；

(2b)采用遙感影像處理軟件，對高光譜標準波譜數據庫進行降噪處理，得到無噪聲高光譜標準波譜數據庫；

（3）按照下式，構造馬爾科夫約束模型：

M(X)=Σi,p=1NΣj,q∈σ||xi-xj||2||yp-yq||2]]>

其中，M(X)表示馬爾科夫約束模型，X表示無噪聲高光譜圖像的豐度矩陣，N表示無噪聲高光譜圖像的像元個數，∑表示求和操作，∈表示屬于符號，σ表示取一階鄰域操作，i和j分別表示無噪聲高光譜圖像中像元的豐度向量的位置，i和j的取值范圍是1到N的整數，p表示與無噪聲高光譜圖像第i個像元豐度向量的位置對應的無噪聲高光譜圖像的光譜向量的位置，q表示與無噪聲高光譜圖像第j個像元豐度向量的位置對應的無噪聲高光譜圖像的光譜向量的位置，_p和q的取值范圍是1到N的整數，x_i表示無噪聲高光譜圖像的第i個像元的豐度向量，x_j表示第i個像元的一階鄰域中像元的豐度向量，y_p表示無噪聲高光譜圖像的第p個像元的光譜向量，y_q表示第p個像元的一階鄰域中像元的光譜向量，||·||₂表示取二范數操作；

（4）按照下式，構造稀疏解混模型：

min12||Y-AX||F2+λ1(||X||1,1)+λ2M(X)]]>

其中，min表示取最小值操作，Y表示無噪聲高光譜圖像，A表示無噪聲高光譜標準波譜數據庫，X表示無噪聲高光譜圖像的豐度矩陣，||·||²_F表示取F范數的平方操作，λ₁表示拉格朗日系數，λ₁的值設置為10-4，||·||_1,1表示取豐度矩陣中每一個列向量的一范數加和操作，λ₂表示馬爾科夫約束模型的系數，λ₂的值設置為10^-5，M(X)表示馬爾科夫約束模型；

（5）求解稀疏解混模型：

(5a)分別將求解稀疏解混模型的迭代次數設置為1、求解稀疏解混模型的最大迭代次數設置為500、豐度矩陣的最小收斂殘差設置為10^-5；

(5b)按照下式，計算無噪聲高光譜圖像的豐度矩陣：

X⁽⁰⁾＝inv(Y)×A

其中，X⁽⁰⁾表示無噪聲高光譜圖像的豐度矩陣，inv(·)表示求逆操作，Y表示無噪聲高光譜圖像，A表示無噪聲高光譜標準波譜數據庫；

(5c)采用交替乘子替換法，計算無噪聲高光譜圖像的豐度矩陣;

(5d)按照下式，計算豐度矩陣的收斂殘差：

res＝||X^(k)-X^(k-1)||_F

其中，res表示豐度矩陣的收斂殘差，X^(k)表示第k次計算的無噪聲高光譜圖像的豐度矩陣，X^(k-1)表示第k-1次計算的無噪聲高光譜圖像的豐度矩陣，k表示求解稀疏解混模型的迭代次數，k的取值范圍為1到500的整數，||·||_F表示取F范數操作；

(5e)判斷豐度矩陣的收斂殘差是否小于豐度矩陣的最小收斂殘差，若是，則執行步驟(5g)，否則，執行步驟(5f)；

(5f)將求解稀疏解混模型的迭代次數加1，判斷求解稀疏解混模型的迭代次數是否小于求解稀疏解混模型的最大迭代次數，若是，則執行步驟(5c)，否則，執行步驟(5g)；

(5g)采用信號重建誤差公式，計算無噪聲高光譜圖像的豐度矩陣的重構誤差；

（6）輸出解混結果：

分別輸出無噪聲高光譜圖像的豐度矩陣的重構誤差、無噪聲高光譜圖像的豐度矩陣。