[发明专利]一种基于核原型样本分析的光谱解混方法

说明书

技术领域

本发明涉及一种基于核原型样本分析的光谱解混方法。

背景技术

高光谱遥感成像仪可以在电磁波谱的紫外、可见光、近红外和中红外区域获取数十至数百个非常窄且连续的光谱波段，并基于高的光谱分辨率优势来获取精细的地物信息。但由于成像空间分辨率的限制和地表的复杂多样性，成像所得的遥感图像的某些像素中往往包含多种地物类型，因此混合像元普遍存在的事实使得混合像元处理技术近几年受到国内外学者广泛的关注与研究。如何从高光谱混合数据中准确提取出典型地物（端元）光谱，并有效地进行混合像元分解得到他们之间混合的比例（丰度）已经成为定量遥感分析的一个重要研究方向。

线型混合模型可以在一般情况下很好地用于描述混合像元形成机理。基于线性模型的混合像元分解算法可以分为两大类：基于几何学的方法和基于统计学的方法。前者假设高光谱图像所有数据位于一个单形体中，而该单形体顶点分别对应各端元分布位置。但几何学方法是从已有数据集中寻找顶点，不适用于没有纯像元的数据集。基于统计学的方法克服了该缺点，充分利用数据统计特性求解端元光谱。非负矩阵分解作为统计方法中的一种近年来受到较多关注，尤其适用处理混合程度较高的数据。该模型较为灵活，可有效提取方差等信息，但其表达形式复杂，因而一些直观信息的获取很难。另外其采用随机初始化，容易陷入局部极值，结果不稳定。无论是几何方法还是非负矩阵分解均适用于大量混合数据存在的情况，尤其是非负矩阵分解非常适合高混合程度数据解混问题。但实际情况中，低混合程度的情况也会存在，近一两年内有国外研究学者证明，在低混合程度下，基于无监督聚类，利用聚类中心提取端元完成光谱解混更适合于低混合程度的图像数据。

基于上诉分析，本发明提出采用原型样本分析方法实现光谱解混，得到具有直观物理含义的分解结果。并使用其扩展的核方法，动态调节核参数，改变对特征空间里样本间相似性的映射能力，最终能够灵活适应于不同混合程度高光谱数据光谱解混的需求。

发明内容

本发明的目的在于提供一种光谱解混的结果更稳定，精度更好的基于核原型样本分析的光谱解混方法。

本发明的目的是这样实现的：

（1）采集待处理的高光谱数据X，X∈R^M×N，其中M为光谱向量的维数，N为数据所有像元的数目；

（2）确定整体流程的参数，包括图像数据要提取的端元数目D，设置核参数σ，松弛因子δ；

（3）对输入图像数据预处理：利用PCA降维算法提取前D-1个主分量，即X'∈R^(D-1)×N；

（4）在预处理后的数据上采用基于核原型样本分析方法实现光谱解混：

在给定数据集X'∈R^(D-1)×N，D为原型向量的个数，寻找包含数据集的主凸包，包含数据集的D-1维凸包为：

argminC,SD(X′|SCS)=||X′-X′CS||F2]]>

s.t.|c_d|₁＝1,|s_n|₁＝1

C≥0,S≥0

其中d,n分别为D,N所代表的列序号，C∈R^N×D和S∈R^D×N将会得到主凸包；

X'C∈R^(D-1)×D为分解估计所得的原型向量矩阵，S为丰度矩阵，得到端元阵X'C和丰度矩阵S。

当混合地物中不包含纯的端元向量，包含数据集的D-1维凸包为：

arg min_C,SD(X'|SCS)