[发明专利]一种基于扩展随机游走算法的遥感图像亚像元定位方法

说明书

本发明公开了一种基于扩展随机游走算法的遥感图像亚像元定位方法，包括如下步骤：(1)通过双立方插值对原始粗糙遥感图像进行处理，然后对处理后的遥感图像进行光谱解混，获得亚像元属于每个类别的比例，同时利用主成分分成提取处理后遥感图像的第一主成分，通过自适应分割算法分割第一主成分，生成不规则的目标对象；(2)利用扩展随机行走算法计算目标对象属于每个类别的比例，进而获得目标对象空间相关性；(3)采用基于目标单元的类分配方法得到最终亚像元定位结果。本发明旨在通过随机游走算法获得具有更全面信息的目标对象空间相关性，实现亚像定位技术的创新，为遥感图像的广泛应用提供技术支持。

技术领域

本发明涉及遥感信息处理技术领域，尤其是一种基于扩展随机游走算法的遥感图像亚像元定位方法。

背景技术

随着传感器技术的飞速发展，利用遥感图像获取地物类别分布信息已经成为一种重要的技术手段。然而由于土地覆盖类型的多样性和传感器瞬时视场的局限性所产生了大量混合像元，这些混合像元是制约遥感图像空间分辨率的主要因素。这些制约使得提取准确的地物类别分布信息产生了很大的困难，因此，现今遥感领域研究的热点问题之一就是处理混合像元以提高遥感图像的空间分辨率。光谱解混作为处理混合像元的重要技术虽然可以得到混合像元内各个地物类别的比例信息，但各个地物类别具体空间分布情况无法确定。亚像元定位(Subpixel mapping,SPM)作为光谱解混的后续处理步骤可以很好地解决这一问题。亚像元定位是通过一定的比例尺度S将每个混合像元细分成S²个亚像元，根据空间相关性原理估计出地物类别分布情况，实现了从低分辨率的丰度图像转变成高分辨率的地物分布专题制图的过程。亚像元定位已经成功应用于土地覆盖制图、湖泊海岸边界提取、景观指数计算和变化检测等多方面，在混合像元处理领域亚像元定位技术得到了越来越多的关注。因此如何建立更加有效的处理方法，以改进亚像元定位技术，是一个非常值得研究的基础科学问题，具有较大的业务需求和应用前景。

传统的亚像元方法包含两个步骤：1)亚像元锐化和2)类别分配。首先，亚像元锐化方法根据空间相关性原则提高光谱解混结果(丰度图像)的分辨率，获得亚像元软属性值(亚像元属于每个类别的比例值)。现有的亚像元锐化算法主要有空间引力模型，Hopfield神经网络和BP神经网络等。比利时根特大学的 Mertens博士提出了基于像元尺度的空间引力模型。为提高这种模型的性能，又有学者相继提出了基于亚像元尺度的空间引力模型和基于两种像元尺度的空间引力模型。Tatem博士提出了一系列基于Hopfield神经网络(Hopfield neural network,HNN)模型的亚像元定位方法。此外，BP神经网络(Back-propagation neural network,BPNN)和一些合适的超分辨率重构算法也可以作为亚像元锐化方法。然后，根据亚像元软属性值，利用类别分配方法将硬属性类别标签分配给每个亚像元中，获得最终的亚像元定位结果。现有的主要类别分配算法有：基于亚像元为单位的分配算法,基于最高亚像元软属性的分配算法,基于纯像元和混合像元混合约束条件的分配算法，基于目标的分配算法等。

传统的亚像元定位方法都是基于像元空间相关性或者亚像元空间相关性。为了改善最终的定位结果，Chen等人最新提出了一种基于目标对象空间相关性的亚像元定位方法(SPM based on object spatial dependence,OSPM)。然而，OSPM方法中的对象是通过对原始粗糙图像进行分割而产生的，而原始图像的粗糙的分辨率会降低分割结果的精度，影响了最终的定位结果。此外，OSPM中的对象空间相关性只考虑对象之间的空间信息，没有充分考虑每个对象区域内的空间信息。为了解决上述问题，提出了一种新型基于扩展随机游走算法的遥感图像亚像元定位方法。利用双立方插值和自适应分割算法提高分割图像精度，进而获得更加准确的对象区域。此外，利用ERW算法生成包含对象之间和对象内部空间信息的对象空间相关性。最终，由于获得更加准确而全面的对象空间相关性，提供了亚像元定位结果。

发明内容