[发明专利]基于图形处理器的端元提取纯像元指数方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及高光谱成像遥感技术领域中的一种基于图形处理器的端元提取纯像元指数方法。本发明可用于精度更高的高光谱图像的光谱解混。

背景技术

高光谱成像是遥感领域的一门新兴技术，通过对地表上同一区域中被测物的不同波长辐射响应而生成具有上百个波段的观测图像。一个高光谱数据立方体通常有上千兆的数据量，高光谱图像光谱分辨率高、图谱合一的特点使其在民用和军用领域发挥着越来越大的作用。

但是在高光谱立方体图像数据的分析中，最主要的问题是混合像元的存在。尤其当传感器的空间分辨率不够高，在光谱上不能清晰的区分物质时，这一问题尤为突出。产生这一问题的主要原因是高光谱图像有限的空间分辨率。除此之外高光谱图像中所拍摄物质本身为混合物，其光谱难以被区分也是造成这一问题的重要原因。这导致在高光谱场景中的单一像元所表示的被测物并非某一种特定光谱的纯物质，而是由具有不同光谱特性的纯物质的组合。为了更精准的描述被测物质，产生了光谱解混算法。通过光谱解混可将像元解混成不同的纯物质的组合。目前很多具有广泛应用的光谱解混算法都基于不同端元之间的相互作用是线性的这一假设。在这一假设下，混合像元能够被表示为不同端元之间的线性组合，系数为丰度值的集合[3-5]。在这种背景下,光谱解混可以采用遥感探测应用中的关键技术——亚像元分析法进行分析处理。近年来，为了解决高光谱场景中端元提取的问题，许多基于不同概念的端元提取算法应运而生。纯像元指数PPI凭借其在可视化感图像处理软件ENVI中的使用和实用性已被业界广泛采用。尽管该算法也被用做其他端元提取算法的预处理部分，但该算法的思想是具有指导作用的。解决纯像元指数PPI算法高度计算复杂度，产生了许多并行实现方法。但是这些并行实现方法所依赖的硬件平台均难以应用于在野火跟踪、生物威胁检测、石油泄漏和化学污染领域中取得良好效果的空载处理中。考虑到这个原因，纯像元指数PPI算法的实现的研究开始转向可编程逻辑FPGA和图形处理器GPUs等重量较轻的硬件加速器平台中。于是提出了一种改进的基于图形处理器GPU的纯像元指数PPI方法，该方法采用的是统一计算设备架构CUDA，速度与目前其他基于图形处理器GPU的纯像元指数PPI算法实现方法相比有显著提高。同时通过多图形处理器GPU并行，实现了高光谱图像的实时纯像元指数PPI处理。

西北工业大学申请的专利“一种基于优化搜索策略的高光谱图像端元提取方法”(公开号：CN101853506B，申请号2010101854769，申请日：2010年5月27日)中公开了一种基于优化搜索策略的高光谱图像端元提取方法。该方法基于特征空间单形体最大体积转换思想，结合优化搜索策略，在特征空间中通过逐步增大单形体体积，顺序提取端元。本方法先用虚拟维度法估算一副高光谱遥感图像的实际地物数，然后用主成分分析法对图像进行降维处理，在任选的初始端元集中，逐步在每个备选单元的对应搜索区域进行单形体体积增大转换，最终输出所有端元。实验证明，给算法能降低运算量，节省运算时间，且能获得稳定精确地端元提取结果。解决目前基于单形体最大体积转换思想的高光谱遥感图像自动端元提取方法运算量过于庞大、时间复杂度高和最终端元集输出不稳定，易受初始端元集的影响的缺陷。但是，该方法仍然存在的不足是，其一，顺序提取端元在庞大的随机投影向量数据端元提取中速度极慢；其二，不能实时提取高光谱图像立方数据中的端元信息，以为后续数据处理提供可靠保障，尤其为在实际空载遥感任务中不能够实时处理高光谱数据提供必要的灵活性和良好的性能；其三，原始高光谱遥感图像需要进行降维处理，增加更多的附加时间。