[發(fā)明專利]基于數(shù)字表面模型輔助的高光譜圖像本征分解方法

有效

• 申請?zhí)枺?/td>: 202110733040.7
• 申請日: 2021-06-29
• 公開（公告）號: CN113408635B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設計）人: 谷延鋒;金旭東
• 申請（專利權）人: 哈爾濱工業(yè)大學
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06V10/772;G06K9/62
• 代理公司: 哈爾濱華夏松花江知識產(chǎn)權代理有限公司 23213
• 代理人: 岳昕

1.基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，它包括：

S1、輸入高光譜圖像和數(shù)字表面模型數(shù)據(jù)，計算獲得幾何分量；

S2、計算獲得局部先驗矩陣；

S3、計算獲得非局部先驗矩陣；

S4、根據(jù)幾何分量、局部先驗矩陣和非局部先驗矩陣進行本征分解，輸出高光譜反射率和環(huán)境光照；

S1所述計算獲得幾何分量的具體方法包括：

輸入高光譜圖像

輸入數(shù)字表面模型高程數(shù)據(jù)

其中，h_k＝[h_k(λ₁),h_k(λ₂),…,h_k(λ_d)]^T,k＝1,2,...,u表示每個像素的光譜特征，k＝1,2,...,u表示每個像素的索引，λ表示波長，d表示波段數(shù)，u表示高光譜圖像像素的個數(shù)，z₁,z₂,…,z_u表示各個像素對應的高程，表示域；

計算每個像素的法線，獲得法線特征：

其中，表示法線在x、y、z空間坐標軸的投影；

計算獲得幾何分量J：

其中，

k＝1,2,...,u

c₁、c₂、c₃、c₄、c₅是五個常數(shù)；

S2所述計算獲得局部先驗矩陣的具體方法包括：

遍歷每個像素的索引k＝1,2,...,u，建立字典D_k＝[h₁,…,h_k-1,h_k+1,…,h_u,I_d]；

其中，I_d表示d維單位矩陣；

根據(jù)下式計算h_k在字典D_k中的稀疏表示系數(shù)α：

min_α||α||₁subject to h_k＝D_kα；

局部先驗矩陣W的每個元素W_kj由下式賦值獲得：

W_kj表示W(wǎng)的第k行第j列的元素；

α_j表示第j列的稀疏表示系數(shù)，α_j-1表示第j-1列的稀疏表示系數(shù)；

S3所述計算獲得非局部先驗矩陣的具體方法包括：

將高光譜圖像每個像素的光譜特征h_k與數(shù)字表面模型高程數(shù)據(jù)z_k堆棧，建立為d+1維向量空間：[h_k^T,z_k],k＝1,2,...,u；

在d+1維向量空間中搜索每個像素的緊鄰點，建立緊鄰點的集合Q_k；

非局部先驗矩陣T的每個元素T_kj由下式賦值獲得：

T_kj表示T的第k行第j列的元素。

2.根據(jù)權利要求1所述的基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，所述c₁、c₂分別是：

c₁＝0.429,c₂＝0.512。

3.根據(jù)權利要求1所述的基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，所述c₃是：

c₃＝0.743。

4.根據(jù)權利要求1所述的基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，所述c₄是：

c₄＝0.886。

5.根據(jù)權利要求1所述的基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，所述c₅是：

c₅＝0.248。

6.根據(jù)權利要求1所述的基于數(shù)字表面模型輔助的高光譜圖像本征分解方法，其特征在于，S4所述根據(jù)幾何分量、局部先驗矩陣和非局部先驗矩陣進行本征分解，輸出高光譜反射率和環(huán)境光照的具體方法包括：

高光譜反射率

其中，r_k＝[r_k(λ₁),r_k(λ₂),...,r_k(λ_d)]^T,k＝1,2,...,u表示每個像素的反射率；λ₁、λ₂、...、λ_d分別表示第1、2、…、d個圖像通道對應的波長；

環(huán)境光照為

L₁、L₂、...、L₉分別表示九維球諧光照的系數(shù)；

本征分解的總的代價函數(shù)為：

σ_r表示局部先驗代價項的權重，σ_z表示非局部先驗代價項的權重；

求偏導數(shù)，獲得：

其中，中間變量

其中，1_d表示大小為d×1的全1列向量，I_u表示u×u單位矩陣；

令得到關于R和L的線性方程組，求解獲得高光譜圖像反射率R和環(huán)境光照L。