[發明專利]一種基于提純優化的空間目標光譜解混方法

有效

• 申請號: 201711303797.2
• 申請日: 2017-12-11
• 公開（公告）號: CN107977943B
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 李慶波;史少林
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

本發明公開了一種基于提純優化的空間目標光譜解混方法，通過提純方法，首先對原始稀疏光譜采用可變分裂增廣拉格朗日算法進行端元提取，該方法可以有效選擇混合光譜的初始端元，減小計算量。然后利用端元提純優化方法，對初始提取出的端元進行迭代提純與優化，優化后的端元一步步逼近真實端元。最后將提純優化后得到的端元和豐度與原始光譜進行比較，不斷進行提純操作直至提純后的端元重構誤差大于之前誤差的最小值，所得的端元及豐度即為最優解。本發明具有魯棒性強、速度快的優點，還能在低信息量的情況下準確求解。

技術領域

本發明涉及空間目標識別領域，尤其涉及一種基于提純優化的空間目標光譜解混方法。

背景技術

隨著現代科技的迅猛發展，越來越多的平臺被送入太空，對于空間目標(如衛星、空間碎片、宇宙星體等)的研究，包括空間目標識別、軌道確定以及位置估計等變得越來越重要，它是進入空間、了解空間以及控制空間的基礎，是空間攻防必不可少的環節。獲取空間目標的光譜信息及特征對于空間目標的識別、軌道估計、衛星姿態及工作狀態的判斷等具有重要意義。

光譜分析技術作為一種新興的檢測分析手段已廣泛應該用于航天、地質、冶金、石油、農業、化工、生物、化學等領域，采用光譜分析技術在對混合物進行研究，端元提取方法可以獲得組成混合物光譜的純物質光譜(端元光譜)，豐度估計方法可以對混合物光譜獲得端元的含量信息(豐度)，光譜解混則是端元提取與豐度估計的結合。近年來，這一技術已廣泛應用于顯微成像光譜分析、遙感成像光譜地物分析、以及非成像光譜分析等領域，基于此，本發明旨在提出一種新的光譜解混方法，進一步推動這一技術的發展。

在地面空間目標的觀測中，有些情況下受儀器設備限制只能獲取點目標光譜，所得光譜數據中沒有純像元存在，而是包含目標的多種組成材料信息，形成混合光譜。且由于地面觀測窗口時間有限，所得觀測數據較少，以及光譜受大氣、輻射、溫度等影響使得信噪比較低。近年來，隨著數據處理與建模的發展，光譜目標解混得到了極大地發展，出現了基于光譜線性混合模型的光譜解混方法，主要分為三類：第一類是像元純度指數算法(Purepixel index,簡稱PPI)，該算法將幾何凸集做為基礎，對原始數據進行降維，隨機生成穿過數據集內部的測試向量作為一維坐標軸，記錄每個像元被投影到一維測試向量坐標的端點的次數記為PPI指數，缺點是初始測試向量的選取對結果有很大影響。第二類是N范數算法(N‐FINDER)，該方法計算單形體體積的方式確定端元位置，該方法從數據集中隨機選取像元作為初始候選端元，計算由這些像元圍成的單形體體積，然后用圖像中的觀測像元代替初始候選端元，重新計算單形體體積，反復進行代入候選、比較、取代這一過程，直到找到最大的單形體的頂點，缺點是初始端元的隨機性導致端元提取結果具有不確定性和不可重復性；計算體積時需要對數據進行降維，降維操作會導致數據微弱信息的丟失；N‐FINDER算法迭代時間長，效率不高。第三類是頂點成分分析(vertex component analysis，VCA)，該算法以線性光譜混合模型的幾何學描述為基礎，尋找投影后具有最大投影長度的像元最為第一個端元，然后以與該端元正交的一個方向作為第二次迭代時的投影方向，計算P次正交投影后就可以得到全部端元，以很低的時間復雜度實現了端元提取，缺點是待測光譜數據中必須有端元存在。

綜上所述，現有方法對光譜數據量有較大的要求，比較難適用于光譜數據量少、光譜稀疏的空間目標解混；再者，由于地面觀測空間目標的窗口時間有限，且光譜受大氣、輻射、溫度等影響使得信噪比較低，現有方法難以在低信噪比的情況下有效進行光譜解混；其次，現有方法初始端元選擇隨機性較強，對結果有較大影響。

發明內容

本發明技術解決問題：克服現有技術的不足，提供一種簡單、快速、高效的基于提純優化的空間目標光譜解混方法，以解決現有技術在光譜數據量少、信噪比低、待測光譜數據中無純端元的情況下的光譜解混問題，且端元選擇具有確定性，減少了初始計算的復雜度。