[发明专利]一种基于克隆选择的高光谱遥感影像亚像元定位方法

说明书

技术领域  

本发明属遥感图像处理领域，特别是涉及一种新的基于克隆选择的高光谱遥感影像亚像元的定位方法。

背景技术  

遥感影像，特别是高光谱遥感影像，由于空间分辨率的影响，普遍存在着混合像元的现象，即一个像元中由多种地物混合而成。混合像元分解技术，能够获取像元中每一个地物类别对应的丰度，获得与类别个数相等的丰度影像，有效地解决了像元混合问题 (张良培和张立福，2005)。然而混合像元分解仅能获取各端元组分的丰度，无法确定各种地物在像元空间中的具体位置，仍然会造成遥感影像空间细节信息的丢失。可参见有关文献：张良培, 张立福. 高光谱遥感[M]. 武汉: 武汉大学出版社, 2005.

针对该问题，1997年Atkinson提出了亚像元定位的概念。亚像元定位是将一个像元根据尺度大小划分成多个亚像元以提高结果分辨率的技术。国内外已经开展了这方面的研究工作。Atkinson（1997，2005）描述了一种经典的理论：距离较近的亚像元和距离较远的亚像元相比，更加可能属于同一种类型，该理论目前已经成为了大多数亚像元定位模型的理论基础；Verhoeye（2002）采用线性最优算法，选择一种亚像元最终的分布方式；另外，为了更加突出表现亚像元定位的空间相关性假设理论，Merten 等（2004）融合小波变换与神经网络模型，神经网络方法被用来从被重构的超分辨率图像中估计小波系数，以构建高分辨率的亚像元定位结果。此外，近几年来随着相关模型的发展，不断有更多新颖的方法被应用。为便于参考起见，以下提供亚像元定位基本原理：

亚像元定位的前提是通过对高光谱影像进行混合像元分解得到不同地物类别在每个像元中所占比例，再根据空间相关性假设理论获得混合像元中不同端元组分的空间分布情况。

空间相关性假设理论认为，距离较近的亚像元和距离较远的亚像元相比，更加可能属于同一种类型，这一理论已经被证实大多数情况下是成立的。例如图2所示：这是一个关于像元空间分布性的简单示意图，包含了两种不同的地物类别，分别用黑点和白点表示出来，亚像元定位的尺度s＝3，即1个像元即将被分成9个亚像元（                                                、、、、、、、、）。以中间像元为例，该像元第1类的比例为66.67%，第2类的比例为33.33%，因为共有9个亚像元，因此第1类的亚像元个数为6个，第2类的亚像元定位个数为3个，则亚像元定位问题就是如何确定这6个第1类和3个第2类的亚像元在像元中的位置。图2b、2c分别代表了两种不同的空间分布状态，根据以上提出的理论，图2c的空间相关性要更加大，因此亚像元的分布情况更有可能是图2c。

亚像元定位技术是基于Atkinson提出的空间相关性假设理论。地面物体的空间相关性是指：图像的混合像元或者是不同的像元之间，距离较近的亚像元和距离较远的亚像元相比，更加属于同一类型。依据这个原则，只需要设定一个空间相关性指标（SDI，spatial dependence index），然后利用各种模型来对每个像元中的亚像元分布情况进行估计，获得亚像元最优的分布结果。在这里，我们可以将亚像元定位问题转换成每个像元的相关性指标最优化问题。假设整个影像具有c个端元（类别）或者目标，且每个像元可以分为P个亚像元，则每个亚像元的类别属性可以用变量表示，其定义如下：

                           (1)

其中，。

   则每个像元的空间相关性评价指标z可为：

                            (2)

其中：

，                                 (3)

表示某个像元内属于第i类的亚像元个数。

根据空间相关性假设，每个亚像元的空间相关性由其周围的N个邻近像元决定，其空间相关性指标可以通过下式计算：

                               (4)

其中表示邻近像元对该亚像元的决定权值，该权值可以取值为亚像元到邻近像元的距离的倒数。表示第k个邻近像元第i端元的丰度值。