[发明专利]一种基于自动形态学端元提取的高光谱图像数据解混方法

权利要求书

1.一种基于自动形态学端元提取的高光谱图像数据解混方法，其特征在于，所述的方法包括以下步骤：

(1)估计高光谱图像数据f中的端元数p；

(2)设置结构元素K_min和K_max，根据所述的结构元素K_min、K_max求得最大迭代次数I_max，计算所述高光谱图像数据的参考光谱向量U_ben；其中K_min和K_max均为偶数；且所述的计算所述高光谱图像数据的参考光谱向量U_ben具体为，

利用单形体体积增长算法或正交子空间投影算法提取图像端元的平均值作为参考光谱向量U_ben，或利用所述高光谱图像所有像元的平均值作为参考光谱向量U_ben；

(3)初始化，设迭代次数i＝1，每一个像元f(x,y)的MEI值为MEI(x,y)＝0；

(4)将结构元素K在所述高光谱图像数据中移动，并对所述高光谱图像数据f进行膨胀操作，获得所述结构元素K内纯度最高的四个像元d₁、d₂、d₃、d₄；

(5)根据下式确定所述的所述结构元素K内纯度最高的四个像元d₁、d₂、d₃、d₄的MEI值，

MEI(n,m)＝dist(d(x,y),U_ben)，

其中，dist(d(x,y),U_ben)为像元与参考光谱向量U_ben间的光谱夹角距离；

(6)设i＝i+1，判断是否i＝I_max，若是，则进入步骤(7)；若否，则用膨胀操作后的结构元素修正后的高光谱图像数据代替原高光谱图像数据f膨胀操作，并返回步骤(4)；

(7)获得MEI图像，该MEI图像为由MEI值大于设定阈值的像元所组成的候选端元集；

(8)从所述的候选端元集之中选取形态学离心率指数最大的像元作为图像的第一个端元e₁，设置已获取端元数n＝1；

(9)当n≥1时，从所述的候选端元集之中选取由已知端元组成的各单形体中体积最大的像元作为下一个端元；

(10)判断是否n＜p，若是，则设定则n＝n+1，并返回步骤(9)，若否，则得到p个端元(e₁,e₂,L,e_p)。

2.根据权利要求1所述的基于自动形态学端元提取的高光谱图像数据解混方法，其特征在于，所述的步骤(4)中，对所述高光谱图像数据f进行膨胀操作，获得所述结构元素K内纯度最高的四个像元d₁、d₂、d₃、d₄具体为：

根据下列各式分别计算所述结构元素K内纯度最高的四个像元d₁、d₂、d₃、d₄，

其中，D_m为结构元素K内某一个像元f(x,y)到所述参考光谱向量U_ben的距离，D_m(f(x,y),K)＝dist(f(x,y),U_ben)，K/{(x₁,y₁)}表示集合K与集合{(x₁,y₁)}的差集。

3.根据权利要求1所述的基于自动形态学端元提取的高光谱图像数据解混方法，其特征在于，所述的步骤(8)中，从所述的候选端元集之中选取形态学离心率指数最大的像元作为图像的第一个端元e₁，具体为，利用阈值分割方法选取MEI值较大的像元作为图像的端元。