[发明专利]一种高光谱图像解混方法

权利要求书

1.一种高光谱图像解混方法，其特征在于，包括：

建立包含类内与非类内端元的线性光谱混合模型；

将光谱间的协方差平方和作为相关性函数，增加类内端元光谱间、非类内端元光谱间、类内与非类内端元光谱间的相关性约束；

根据建立的线性光谱混合模型和确定的相关性约束，建立目标函数，应用非负矩阵分解算法进行解混。

2.根据权利要求1所述的高光谱图像解混方法，其特征在于，所述建立包含类内与非类内端元的线性光谱混合模型包括：

将端元光谱矩阵A分为类内端元矩阵A₁与非类内端元矩阵A₂，其中，对应的丰度矩阵S分为类内端元丰度矩阵S₁与非类内端元丰度矩阵S₂；

基于类内端元矩阵A₁、非类内端元矩阵A₂、类内端元丰度矩阵S₁与非类内端元丰度矩阵S₂，建立包含类内与非类内端元的线性光谱混合模型：

其中，X表示像元光谱向量。

3.根据权利要求2所述的高光谱图像解混方法，其特征在于，所述将光谱间的协方差平方和作为相关性函数，增加类内端元光谱间、非类内端元光谱间、类内与非类内端元光谱间的相关性约束包括：

将类内端元矩阵A₁中光谱之间协方差平方和作为相关性函数，增加类内端元光谱间的最大相关性约束；

将非类内端元矩阵A₂中光谱之间协方差平方和作为相关性函数，增加非类内端元光谱间的最小相关性约束；

将类内端元矩阵A₁与非类内端元矩阵A₂中光谱之间协方差平方和作为相关性函数，增加类内与非类内端元光谱间的最小相关性约束。

4.根据权利要求3所述的高光谱图像解混方法，其特征在于，所述类内端元光谱间的最大相关性约束表示为：

其中，maxJ₁(A₁)表示类内端元光谱间的最大相关性约束，p₁表示类内端元矩阵A₁中光谱的条数，cov(a_i,a_j)表示光谱向量a_i与光谱向量a_j之间的协方差。

5.根据权利要求4所述的高光谱图像解混方法，其特征在于，所述非类内端元光谱间的最小相关性约束表示为：

其中，minJ₂(A₂)表示非类内端元光谱间的最小相关性约束，p₂表示非类内端元矩阵A₂中光谱的条数，cov(a_i,a_j)表示光谱向量a_i与光谱向量a_j之间的协方差。

6.根据权利要求5所述的高光谱图像解混方法，其特征在于，所述类内与非类内端元光谱间的最小相关性约束表示为：

其中，p＝p₁+p₂，minJ₃(A₁,A₂)表示类内与非类内端元光谱间的最小相关性约束，cov(a_i,a_j)表示光谱向量a_i与光谱向量a_j之间的协方差。

7.根据权利要求6所述的高光谱图像解混方法，其特征在于，所述目标函数表示为：

其中，F(A,S)表示目标函数，α、β、γ分别是各约束项的调节参数。