[发明专利]高光谱图像的空间－光谱信息协同提高分辨率的方法

说明书

技术领域

本发明涉及一种利用高光谱图像信息提高空间分辨率的方法。

背景技术

空间分辨率简单来说就是成像系统对图像细节分辨能力的一种度量，也是图像中目标细微程度的指标，它表示景物信息详细程度，是评价传感器性能和遥感信息的重要指标之一，也是识别地物目标形状大小的重要依据。遥感图像的空间分辨率的高低与成像光学系统有着直接的关系，如果其分辨率较低，将使得遥感图像中存在较多的混合像元，严重影响图像的分析和理解，这对于目标分类、检测和识别来说，是非常不利的。

光谱分辨率是指传感器在一定波长范围内对地物光谱进行离散采样的精细程度。光谱分辨率是表征传感器获取地物光谱信息性能的主要指标。相对于空间图像信息，作为刻划地物特征的另一种方式，通过远程探测得到的光谱信息同样可实现对地物的辨识，并且光谱信息直接与目标的物质组成有关，特别是对于目标识别、植被的精细分类、海洋水色定量监测以及军事上对伪装的辨识等从光谱的角度比空间的图像更适合。

高光谱遥感(Hyperspectral Remote Sensing)是在20世纪80年代发展起来的一种全新的遥感技术。该技术利用星载或机载的成像光谱仪设备对地面进行成像，成像光谱仪在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖，从而形成谱分辨率达到纳米数量级的遥感数据。这种数据由于光谱分辨率高，通常称为高光谱数据或高光谱图像。高光谱数据的光谱分辨率在10纳米左右，比多光谱(Multispectral)图像高出几十甚至上百倍。伴随着成像光谱技术的不断发展，高光谱数据已经被应用到了众多领域中。从民用领域广泛应用的环境监测、城市规划、农作物估产、洪涝灾害调查、国土资源调查，到军事领域的卫星侦察、目标检测识别等等。

高光谱图像的突出特点是在获得目标图像二维空间景像信息的同时，还可以获得高分辨率的一维表征其物理属性的光谱信息，即图谱合一。通过处理高光谱图像中目标图像的空间特征和光谱特征，可以以较高的可信度辨别和区分地物目标。这对遥感图像军事侦察、真/假目标识别、农林的精细化分类等都具有重要应用意义和巨大的潜力。遥感技术长期以来的两个主要发展趋势就是向高空间分辨率和高光谱分辨率方向发展，但二者的发展往往是相互矛盾、相互制约的，这主要是由于成像光学系统在设计和实现上的限制。高光谱图像的光谱分辨率一般较高，但其空间分辨率却偏低，这对于目标识别算法较为不利。在遥感技术快速发展的今天，我们对遥感图像的分辨率有着越来越高的要求，但对于现有的成像设备，由于其制作工艺和现有技术的约束，还远远不能满足各方面的要求。因此，运用软件方法来有效提高高光谱成像系统的空间分辨率具有重要的实用价值和现实意义。

现有方法是单纯从高光谱图像的空间几何关系出发，通过空间域或者频率域的处理技术来进行空间超分辨。然而在此过程中，很少利用到光谱信息，使得这类算法还局限于原有的一般数字图像超分辨，没有充分发挥高光谱的优势。或者只考虑光谱信息，获得混合像元中各组成成分的比例，而很少利用空间信息进行进一步细化处理。总之，以往的算法没有将光谱和空间信息协同利用，所以高光谱的特点没有充分得以体现，存在信息没有充分利用的不足。

发明内容

本发明的目的是为了解决现有高光谱图像处理技术中存在的不能充分利用空间信息和光谱信息以改善图像分辨率的问题，进而提出了一种高光谱图像的空间-光谱信息协同提高分辨率的方法。

本发明的步骤如下：

步骤一：输入高光谱图像数据：根据数据格式读入高光谱图像数据同时输入到计算机的步骤A中的空间信息提取模块和步骤B中的光谱信息提取模块中进行信息提取；

步骤A：空间信息提取：通过空间信息模块进行特征波段选择和空间局部分析及判断；

步骤A一：特征波段选择：特征波段选择是对高光谱图像数据信息量大的特征谱段进行提取或选择；

步骤A二：空间局部分析及判断：利用微分算子边缘检测算法提取步骤A一中所提取或选择的特征谱段的边缘信息，通过边缘信息进行边缘像元判断；是非边缘像元，利用复制技术进行插值处理，得到空间类别信息和相互关系信息，输入到步骤三中；是边缘像元，即为混合像元所在，获取混合像元，将混合像元数据输入到步骤B二中；

步骤B：光谱信息提取：通过光谱信息提取模块进行光谱端元提取和混合像元分解；

步骤B一：光谱端元提取：利用PPI或者N-FINDR算法提取高光谱图像中的光谱端元，记录端元的光谱信息和位置信息；