[发明专利]基于Volterra级数的高光谱图像非线性解混方法

说明书

技术领域

本发明涉及的是一种遥感信息处理方法，具体地说是一种高光谱图像的非线性解混方法。 

背景技术

随着遥感技术的发展，高光谱图像以光谱分辨率高（波段宽度<10NM）、成像波段多（可以提供上百个波段数据）的优势广泛应用到军事，农业，消防等领域，已经成为当前遥感的一个重要发展方向。受遥感器的空间分辨力限制和自然界地物的复杂多样性影响导致混合像元广泛存在，即一个像元可能是多种类别地物光谱的混合。分析各类别成分在混合像元内所占比例的技术称为光谱解混，是高光谱数据分析的最基本、最重要内容之一，从实质上讲它是一种更为精确的分类技术。如何有效的实现混合像元分解，已成为遥感研究的一个重要领域。 

光谱混合从模型上可以分为线性混合和非线性混合2种模式。线性光谱混合模型具有建模简单，物理含义明确的优点，是目前使用最广泛的混合像元分解模型。它的基本假定是，组成混合像元的几种不同地物的光谱以线性的方式组合成混合像元的光谱。也就是说，假定混合像元内各个成分光谱之间是独立的。而实际上，在一个混合像元内，各个成分光谱之间并非线性组合，地物间存在多次散射及反射，需要非线性混合模型来解释。针对非线性混合像元解混问题，国内外学者进行了大量的研究，并提出了核方法,神经网络方法，HAPKE反射模型，植被冠层光谱模型SAIL(SCATTERING BY ARBITRARILY INCLINED LEAVES)等。但是这些方法都没有确定的混合光谱解混表达式，属于盲分离，难以衡量解混的真实精度。NICOLAS DOBIGEON根据地物间的二次反射及折射，提出一种基于多项式的非线性模型——双线性模型，但是这种模型只是简单的将各端元的向量点乘作为地物间两两二次反射光谱的代表光谱，光谱值过大或过小都会严重影响非线性模型的解混，不能正确反应出地物间非线性因素的影响。陶秋香提出将非线性表达式泰勒展开，然后进行最小二乘迭代的非线性解混算法，此方法缺点是运算复杂度高，耗时多。 

发明内容

本发明的目的在于提供一种快速高效的基于Volterra级数的高光谱图像非线性解混方法。 

本发明的目的是这样实现的： 

（1）、取待解混高光谱图像，同时取用于解混的光谱端元m₁,m₂...m_p，所述解混是获得对 于待解混高光谱图像中的每个待解混像元Y中各光谱端元m_i,i=1,2,...,p在像元Y中所占的混合比例α_i,i=1,2,...,p； 

（2）、混合比例α_i,i=1,2,...,p由非线性混合模型解出，非线性混合模型为P阶Volterra级数模型，其中：取P=2， 代表混合像元中两两地物间二次反射及折射的代表光谱端元，β为地物间二次反射混合系数、取为1，L为光谱的波段数，代表点乘算子，即有mi⊗mj=m1,im1,j...mL,imL,j;]]>