[發(fā)明專利]一種基于核原型樣本分析的光譜解混方法

在審

• 申請?zhí)枺?/td>: 201410143292.4
• 申請日: 2014-04-10
• 公開（公告）號: CN103942787A
• 公開（公告）日: 2014-07-23
• 發(fā)明（設(shè)計）人: 趙春暉;趙艮平;李曉慧;劉務(wù);李威
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于核原型樣本分析的光譜解混方法。

背景技術(shù)

高光譜遙感成像儀可以在電磁波譜的紫外、可見光、近紅外和中紅外區(qū)域獲取數(shù)十至數(shù)百個非常窄且連續(xù)的光譜波段，并基于高的光譜分辨率優(yōu)勢來獲取精細(xì)的地物信息。但由于成像空間分辨率的限制和地表的復(fù)雜多樣性，成像所得的遙感圖像的某些像素中往往包含多種地物類型，因此混合像元普遍存在的事實使得混合像元處理技術(shù)近幾年受到國內(nèi)外學(xué)者廣泛的關(guān)注與研究。如何從高光譜混合數(shù)據(jù)中準(zhǔn)確提取出典型地物（端元）光譜，并有效地進行混合像元分解得到他們之間混合的比例（豐度）已經(jīng)成為定量遙感分析的一個重要研究方向。

線型混合模型可以在一般情況下很好地用于描述混合像元形成機理。基于線性模型的混合像元分解算法可以分為兩大類：基于幾何學(xué)的方法和基于統(tǒng)計學(xué)的方法。前者假設(shè)高光譜圖像所有數(shù)據(jù)位于一個單形體中，而該單形體頂點分別對應(yīng)各端元分布位置。但幾何學(xué)方法是從已有數(shù)據(jù)集中尋找頂點，不適用于沒有純像元的數(shù)據(jù)集。基于統(tǒng)計學(xué)的方法克服了該缺點，充分利用數(shù)據(jù)統(tǒng)計特性求解端元光譜。非負(fù)矩陣分解作為統(tǒng)計方法中的一種近年來受到較多關(guān)注，尤其適用處理混合程度較高的數(shù)據(jù)。該模型較為靈活，可有效提取方差等信息，但其表達(dá)形式復(fù)雜，因而一些直觀信息的獲取很難。另外其采用隨機初始化，容易陷入局部極值，結(jié)果不穩(wěn)定。無論是幾何方法還是非負(fù)矩陣分解均適用于大量混合數(shù)據(jù)存在的情況，尤其是非負(fù)矩陣分解非常適合高混合程度數(shù)據(jù)解混問題。但實際情況中，低混合程度的情況也會存在，近一兩年內(nèi)有國外研究學(xué)者證明，在低混合程度下，基于無監(jiān)督聚類，利用聚類中心提取端元完成光譜解混更適合于低混合程度的圖像數(shù)據(jù)。

基于上訴分析，本發(fā)明提出采用原型樣本分析方法實現(xiàn)光譜解混，得到具有直觀物理含義的分解結(jié)果。并使用其擴展的核方法，動態(tài)調(diào)節(jié)核參數(shù)，改變對特征空間里樣本間相似性的映射能力，最終能夠靈活適應(yīng)于不同混合程度高光譜數(shù)據(jù)光譜解混的需求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種光譜解混的結(jié)果更穩(wěn)定，精度更好的基于核原型樣本分析的光譜解混方法。

本發(fā)明的目的是這樣實現(xiàn)的：

（1）采集待處理的高光譜數(shù)據(jù)X，X∈R^M×N，其中M為光譜向量的維數(shù)，N為數(shù)據(jù)所有像元的數(shù)目；

（2）確定整體流程的參數(shù)，包括圖像數(shù)據(jù)要提取的端元數(shù)目D，設(shè)置核參數(shù)σ，松弛因子δ；

（3）對輸入圖像數(shù)據(jù)預(yù)處理：利用PCA降維算法提取前D-1個主分量，即X'∈R^(D-1)×N；

（4）在預(yù)處理后的數(shù)據(jù)上采用基于核原型樣本分析方法實現(xiàn)光譜解混：

在給定數(shù)據(jù)集X'∈R^(D-1)×N，D為原型向量的個數(shù)，尋找包含數(shù)據(jù)集的主凸包，包含數(shù)據(jù)集的D-1維凸包為：

argminC,SD(X′|SCS)=||X′-X′CS||F2]]>

s.t.|c_d|₁＝1,|s_n|₁＝1

C≥0,S≥0

其中d,n分別為D,N所代表的列序號，C∈R^N×D和S∈R^D×N將會得到主凸包；

X'C∈R^(D-1)×D為分解估計所得的原型向量矩陣，S為豐度矩陣，得到端元陣X'C和豐度矩陣S。

當(dāng)混合地物中不包含純的端元向量，包含數(shù)據(jù)集的D-1維凸包為：

arg?min_C,SD(X'|SCS)