[发明专利]一种基于空-谱结合的高光谱端元提取预处理方法

说明书

本发明公开了一种基于空‑谱结合的高光谱端元提取预处理方法，包括步骤有：(1)对原始高光谱图像进行多维高斯滤波，得到一系列的新高光谱图像；(2)对新高光谱图像进行空间均匀性计算，得到新高光谱图像中每个像素对应的空间均匀性指数；(3)用无监督聚类方法处理原始高光谱图像，并对图像进行预分类，每类为一个集群；(4)将每个集群按照像素的均匀性指数确定像素的子集，并确定最极端集群；(5)选定集群，对其子集中的像素进行端元提取，每个集群提取一个端元像素，得到一组端元丰度图；(6)根据端元丰度图完成对图像的识别和分类。本发明解决了高光谱图像具有很高噪声的情况下，高光谱图像端元提取精度不高的问题。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于空-谱结合的高光谱端元提取预处理方法。

背景技术

高光谱遥感的兴起是20世纪80年代遥感技术的最大成就之一。高光谱成像仪所获取的地面物体反(发)射光谱信号是以像元为单位记录的。由于传感器空间分辨率的限制以及背景情况的复杂性，使得高光谱图像普遍存在混合像元。如果把混合像元作为纯像元进行分类、目标探测与识别等应用研究，结果会有很大的误差。这便使得高光谱混合像元分解问题成为高光谱数据处理的一个重要和关键环节。我们需要进行的工作就是在像元内部，将混合像元分解为纯净像元(端元)并求出所占的比例，使图像分析进入亚像元级别。解混的第一步端元提取具有重要的作用，它是后续研究的基础，端元提取的精度将对后续处理精度产生直接的影响。

高光谱图像中的每个像素都是通过光谱信息和空间信息来共同描述的。光谱信息是采用独立的方式来处理像素，而空间信息则考虑到它们和周围邻近值的关系。传统的端元提取算法在处理数据时只单纯考虑了光谱信息，把数据当作是光谱测量的一个无序列表而不是作为一幅图像来处理，忽略了像素间存在的空间相关性，使得端元提取结果中存在一定的误差。如何利用像素间的空间信息与光谱信息结合进行端元提取，提高光谱提取精度，便成为近年来研究的重点。

发明内容

针对上述现有技术存在的缺陷，本发明提供一种基于空-谱结合的高光谱端元提取预处理方法，解决了高光谱图像具有很高噪声的情况下，高光谱图像端元提取精度不高的问题。

本发明提供的一种基于空-谱结合的高光谱端元提取预处理方法，其改进之处在于，所述方法包括如下步骤：

(1)对原始高光谱图像进行多维高斯滤波，得到一系列的新高光谱图像；

(2)对所述新高光谱图像进行空间均匀性计算，得到所述新高光谱图像中每个像素对应的空间均匀性指数；

(3)用无监督聚类方法处理所述原始高光谱图像，并对图像进行预分类，每类为一个集群；

(4)将每个集群按照像素的均匀性指数确定像素的子集，并确定最极端集群；

(5)选定集群，对其子集中的像素进行端元提取，每个集群提取一个端元像素，得到一组端元丰度图；

(6)根据所述端元丰度图完成对图像的识别和分类。

优选的，步骤(1)进行多维高斯滤波的公式包括：

式中，N(x|μ,σ)表示x的概率密度函数；x表示需要做高斯滤波的像素；μ表示期望；σ表示协方差矩阵；D表示x的维数，为正整数。

较优选的，利用协方差矩阵σ参数作为高斯滤波的控制参数，不同的协方差矩阵值对应得到不同过滤程度的新高光谱图像。

较优选的，步骤(2)进行空间均匀性计算包括：