[發(fā)明專利]基于快速混合迭代的MAP-TV高光譜亞像元定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910047765.3
• 申請(qǐng)日: 2019-01-18
• 公開（公告）號(hào): CN109829946A
• 公開（公告）日: 2019-05-31
• 發(fā)明（設(shè)計(jì)）人: 高昆;張曉典;胡忠鎧;焦建超;蘇云;豆?jié)申?yáng);楊媛麗;王俊偉
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73
• 代理公司: 北京晟睿智杰知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11603
• 代理人: 于淼

1.一種基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，包括步驟：

獲取高光譜影像；

對(duì)所述高光譜影像進(jìn)行混合像元分解，得到不同端元組分的豐度；

求取最大后驗(yàn)概率正則化模型MAP-TV，包括步驟：

定義觀測(cè)模型；

通過(guò)所述觀測(cè)模型得到最大后驗(yàn)估計(jì)時(shí)對(duì)應(yīng)的x^c計(jì)算公式；

根據(jù)貝葉斯公式對(duì)所述x^c計(jì)算公式進(jìn)行處理，得到處理后的x^c計(jì)算公式；

對(duì)所述處理后的x^c計(jì)算公式進(jìn)行TV正則化，得到最大后驗(yàn)概率正則化模型MAP-TV；

利用FISTA算法和分裂Bregman算法相結(jié)合的算法計(jì)算x^c，包括步驟：

將所述最大后驗(yàn)概率正則化模型MAP-TV進(jìn)行二階泰勒展開，得到二階泰勒展開后模型公式；

利用所述二階泰勒展開后模型公式和所述FISTA算法得到迭代的中間結(jié)果的計(jì)算公式為：

其中，η為超參數(shù)，x^c為地物端元類別c的亞像元定位結(jié)果，κ為參數(shù)，為梯度算子，為第k次迭代得到的x^c，為第k+1/2次迭代得到的x^c，D為下采樣矩陣，y^c為地物端元類別c的豐度圖像，D^T為下采樣矩陣的轉(zhuǎn)置；

通過(guò)所述分裂Bregman算法求解

將與做線性運(yùn)算得到下一次迭代的起始點(diǎn)

迭代結(jié)束得到x^c；

使用贏者通吃的類別確定策略計(jì)算出最終亞像元定位結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，所述觀測(cè)模型為：

y^c＝Dx^c+n^c，

其中，y^c為地物端元類別c的豐度圖像，x^c為地物端元類別c的亞像元定位結(jié)果，D為下采樣矩陣，n^c為類別c的噪聲。

3.根據(jù)權(quán)利要求1所述的基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，所述最大后驗(yàn)估計(jì)時(shí)對(duì)應(yīng)的x^c計(jì)算公式為：

x^c＝argmax{Pr(x^c|y^c)}，

其中，

其中，Pr(x^c|y^c)為通過(guò)豐度圖像進(jìn)行亞像元定位得到的后驗(yàn)概率，Pr(y^c|x^c)為低分辨率影像中類別c的似然函數(shù)，Pr(x^c)為x^c的先驗(yàn)概率，Pr(y^c)為固定值。

4.根據(jù)權(quán)利要求1所述的基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，所述處理后的x^c計(jì)算公式為：

x^c＝argmin{‖y^c-Dx^c‖²+κU(x^c)}，

其中，U為正則化項(xiàng)。

5.根據(jù)權(quán)利要求1所述的基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，所述最大后驗(yàn)概率正則化模型為：

其中，即為U(x^c)。

6.根據(jù)權(quán)利要求5所述的基于快速混合迭代的MAP-TV高光譜亞像元定位方法，其特征在于，其中，

其中，為x^c的水平方向的梯度，為x^c的垂直方向的梯度，x^c[i+1，j]為第i+1行、第j列圖像像素的定位結(jié)果，x^c[i，j]為第i行、第j列圖像像素的定位結(jié)果，x^c[i，j+1]為第i行、第j+1列圖像像素的定位結(jié)果。