[发明专利]一种非线性高光谱影像混合像元分解方法及装置

说明书

本发明提供一种非线性高光谱影像混合像元分解方法及装置，能够提高混合像元分解精度。所述方法包括：将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。本发明涉及遥感图像处理技术领域。

技术领域

本发明涉及遥感图像处理技术领域，特别是指一种非线性高光谱影像混合像元分解方法及装置。

背景技术

高光谱遥感相机作为卫星遥感系统重要载荷之一，具有光谱信息丰富、光谱分辨率高等优点，在环境监测与灾害评估、农作物和植被的精细分类、海洋资源普查、岩矿的探测和识别、非法种植调查等民用领域以及军事目标侦察、伪装与反伪装、打击效果评估等军用领域中，都具有广泛的应用前景。但是较低空间分辨率和地物复杂多样性导致混合像元的存在，使亚像元级目标的快速精确探测与分类变得非常困难，极大地限制了高光谱数据定量化应用的发展。因此，如何降低混合像元的影响，快速准确地提取混合像元中的感兴趣亚像元目标信息，对于提升高光谱影像数据定量化应用精度具有重要的现实意义。

目前解决高光谱影像混合像元问题最为有效的方法为混合像元分解，混合像元分解指从实际光谱数据中提取各种地物成分(端元)以及各成分所占的比例(丰度)的方法。端元提取和丰度估计是混合像元分解的两个重要的过程。端元提取指在混合图像中提取出各种成分。丰度估计指对每种估计出来的端元物质的比例加以估计。进行混合像元分解的重要步骤就是建立合理有效的光谱混合模型。

光谱混合模型一般可以分为线性光谱混合模型和非线性光谱混合模型。线性模型能够满足较低空间分辨率的遥感影像光谱分解需求，但是随着空间分辨率的提高，光子在微观尺度混合成分间多次散射，光谱不再以线性方式叠加，需要使用非线性光谱混合模型进行描述。

但是，在现有非线性混合模型进行光谱分解的方法中，从计算方法的角度去解译时，物理意义不足且需要精确的获得实际地物的混合比例才能有效的获得训练参数。同时非线性模型的通用性较差，存在参数的选择所需算法运行时间长、算法执行效率低等问题，并且光谱分解精度较低，难以满足实际应用需求。

发明内容

本发明要解决的技术问题是提供一种非线性高光谱影像混合像元分解方法及装置，以解决现有技术所存在的高光谱像元混合模型物理意义不明确，导致混合像元分解精度差的问题。

为解决上述技术问题，本发明实施例提供一种非线性高光谱影像混合像元分解方法，包括：

将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型；

以光谱团簇作为杂质，将非线性光谱关联混合模型映射到杂质模型上，构建杂质模型的超晶格局域格林函数进行求解，得到端元成分和端元丰度估计结果；

根据得到的端元成分和端元丰度估计结果，利用密度峰值聚类方法进行估计端元的聚类，将同类的估计端元进行合并。

进一步地，所述将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，对混合像元进行非线性数学描述，构建满足自洽性的非线性光谱关联混合模型包括：

将混合像元中端元光谱信息作为非微扰项、不同光谱间的相互作用当作微扰项，得到哈密顿量，哈密顿量表示为：

H＝H₀+H₁

其中，H表示哈密顿量，H₀表示非微扰项，H₁表示微扰项；