[发明专利]基于区域分割的高光谱图像自适应解混方法

权利要求书

1.一种基于区域分割的高光谱图像自适应解混方法，其特征在于，包括有如下步骤：

(1)输入高光谱图像，高光谱图像用数据Y∈R^L×N表示，其中L表示高光谱图像的波段数，N表示高光谱图像样本总个数，R表示实数域；

(2)使用基于最小错误高光谱信号识别法估计高光谱图像Y∈R^L×N的信号子空间，得到信号子空间维数K，即高光谱图像的端元数目；

(3)用顶点成分分析算法提取高光谱图像的端元矩阵A∈R^L×K，其每行向量表示高光谱图像第i个端元的光谱曲线；

(4)用K均值聚类方法对高光谱图像Y∈R^L×N聚类，聚为K+2类，类标分别为1,2,3...,K+2，根据类标，用2*2的窗口扫描全图，若窗口中至少有一个类标不同，则把该2*2窗口对应的像素点归为高光谱图像的细节区域数据其余像素点归为高光谱图像匀质区域数据其中N＝N₁+N₂，N₁表示高光谱图像的匀质区域数据样本个数，N₂表示高光谱图像的细节区域数据样本个数；

(5)将高光谱图像匀质区域数据Y₁和高光谱图像端元矩阵A作为线性光谱混合模型的输入信号，用L_1/2约束的非负矩阵分解方法得到匀质区域数据的系数矩阵即一阶丰度矩阵，其中每一列向量表示第n个像素的丰度向量；

(6)将高光谱图像细节区域数据Y₂和高光谱图像端元矩阵A作为双线性光谱混合模型的输入信号，用稀疏约束的半非负矩阵分解方法得到细节区域数据Y₂对应的一阶丰度矩阵其中每一列向量表示第m个像素的丰度向量，和细节区域数据Y₂对应的二阶丰度矩阵其中每一列向量表示第m个像素的双线性丰度向量；

(7)将高光谱图像匀质区域数据Y₁的一阶丰度矩阵和高光谱图像细节区域数据Y₂的一阶丰度矩阵合并为X∈R^K×N，得到整个高光谱图像的丰度矩阵，细节区域数据Y₂对应的二阶丰度矩阵E即为整个高光谱图像的二阶丰度矩阵，完成高光谱图像解混。