[发明专利]高谱图象分析及像素频谱分解方法

权利要求书

1.一种高谱图象分析及像素点频谱分解方法，由以下步骤组成：

(a)接收来自一高谱图象传感器的一个高谱图象立方体；该高谱图象立方体以波长及空间位置表示一个场景；

(b)在一图象登记模块中，进行逐个波段图象登记；该图象登记是使一个波段的图象转换到另一个波段图象而不必涉及地图坐标系变换，以保证对应在一个波段图象中的一个像素点的物理位置与在另一个波段图象中的像素点的物理位置一致；

(c)发送在该图象登记模块中登记后的高谱图象立方体到大气补偿模块，在该大气补偿模块内补偿大气效应；

(d)利用遗传算法与鲁棒卡尔曼滤波技术以逐个像素点方式分解高谱图象数据，直到完成该高谱图象立方体。

2.如权利要求1所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(c)中，大气校正可用上市软件FLAASH(频谱超级立方体的快速视线大气分析)来完成。

3.如权利要求1所述的一种高谱图象分析及像素点频谱分解方法，其中步骤(d)进一步由以下步骤构成：

(d-1)接收来自频谱库的感兴趣材料的频谱特征，并在特征预处理模块预处理这些特征；来自该频谱库的这些频谱特征在该特征预处理模块中进行正交归一化，从而将该特征空间分解成一组正交特征集合；

(d-2)第一像素点含量估计模块接收来自该特征预处理模块的这些正交特征以及来自该大气补偿模块的一组第一像素点测量数据，并计算该第一像素点的含量矢量；除该第一像素点以外的像素点，该第一像素点含量估计模块仅仅绕过来自该大气补偿模块的这些测量数据；

(d-3)卡尔曼滤波器接收来自该特征处理模块的这些正交特征，来自该大气补偿模块的当前像素点测量数据，以及该第一像素点含量矢量估计模块的含量估计，并用卡尔曼滤波技术进行当前像素点的频谱分解；该第一像素点的含量估计用作为该卡尔曼滤波器的初始值；该卡尔曼滤波器输出该当前像素的含量估计；

(d-4)遗传算法分解模块接收该特征预处理模块的正交特征，来自该大气补偿模块的该当前像素点测量值，以及来自该卡尔曼滤波器的当前像素点的含量估计，并利用该遗传算法对该当前像素点进行准确频谱分解以得出准确含量估计；

(d-5)移到下一个像素点，该卡尔曼滤波器接收来自该特征预处理模块的正交特征，来自该大气补偿模块的当前像素点测量值，以及来自该遗传分解模块的前一个像素点的含量估计，并利用卡尔曼滤波技术对该当前像素点进行频谱分解。

4.如权利要求3所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(d-4)中，

该准确含量估计是系统输出，且该当前像素点的准确含量估计被反馈给该卡尔曼滤波器，在该卡尔曼滤波器中，用作为下一个像素点的另一个含量估计的初始值；该卡尔曼滤波器的输出用作为该遗传算法分解模块的起始点以便加速遗传算法的进化。

5.如权利要求4所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(d-5)中，该遗传算法分解模块的该准确含量估计在该卡尔曼滤波器中用作为该前一个像素点的含量估计以便准确估计该当前像素点的含量矢量。

6.如权利要求5所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(d-2)中，计算该第一像素点的含量估计的参数估计器是一个最小二乘(LS)估计器。

7.如权利要求5所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(d-2)中，计算该第一像素点的含量估计的参数估计器是一个最大似然(ML)估计器。

8.如权利要求5所述的一种高谱图象分析及像素点频谱分解方法，其中在步骤(d-2)中，计算该第一像素点的含量估计的参数估计器是一个进化算法。