[发明专利]一种植被覆盖下的土壤光谱还原的图像处理方法

说明书

本发明公开了一种植被覆盖下的土壤光谱还原的图像处理方法，通过采用ASD光谱仪在实地测量土壤类和非土壤类地物的野外光谱数据。将各类地物的野外光谱数据重采样为与多光谱遥感图像数据波段一致的端元光谱数据。基于各端元的平均光谱数据，对多光谱遥感图像进行线性混合像元分解，得到各端元的丰度图像和分解残差图像。以像元为单位，根据各端元在各波段上的光谱反射率波动范围和丰度值对分解残差数据赋权，计算非土壤类端元的光谱补偿值。利用非土壤类端元的平均光谱数据和其光谱补偿图像，重构体现土壤异质性的土壤光谱图像，从而抑制非土壤信息的影响，实现植被覆盖下的土壤光谱还原。

技术领域

本发明涉及一种植被覆盖下的土壤光谱还原的图像处理方法，具体涉及一种基于混合像元分解残差数据赋权线性计算的植被覆盖下的土壤光谱还原的图像处理方法，属于多光谱遥感数字图像处理技术领域。

背景技术

遥感影像中像元按照包含地物信息种类可分为纯净像元和混合像元。纯净像元(端元)指像元中只包含一种地物信息，可以提取出单一地物的光谱反射率数据，使得根据光谱吸收特征来识别地物成为可能。混合像元是指多种地物的光谱信息以混合光谱的形式出现在同一个像元里，普遍存在于遥感影像中，由于多种地物光谱信息相互干扰，基于混合像元提取的光谱反射率数据在一定程度上限制了遥感数据的应用潜力，而对干扰地物信息进行掩膜也会同时消除目标端元的光谱信息，导致可从遥感影像中提取的信息量大幅减少。因此，从混合像元的光谱信息中分离出各端元的光谱信息能够极大地改善遥感影像在矿物识别、蚀变信息提取、植被生物化学参数估算以及环境遥感等方面的应用效果和精度。线性分解模型是混合像元分解模型中应用最广、最易实现且物理意义明确的一种模型，它认为像元在某一波段的光谱反射率值是由各组分端元的光谱反射率值与相应丰度为权重构成的线性组合。

目前，现有的方法主要是基于混合像元线性分解理论，通过抑制非土壤类端元的光谱信息来重构土壤端元的光谱信息：第一步是解算出混合像元中各端元的丰度值，第二步利用混合像元光谱反射率数据减去其他非土壤类端元的光谱反射率值和丰度值的乘积之和，第三步是用第二步的计算结果除以土壤端元在像元中的丰度值，最终实现土壤端元的光谱信息还原。该方法可有效抑制其他非土壤类端元光谱的干扰，一定程度上可以提高遥感影像中土壤光谱信息提取的可靠性和客观性，但该方法在第二步抑制非土壤类端元光谱信息时没有抑制误差中包含的每个像元因地物异质性引起的端元光谱差异信息，导致像元中土壤端元丰度值越小，土壤光谱信息的还原效果越差。使用以上方法还原地物光谱信息，计算得到的重构端元光谱通过混合像元线性分解模型逆运算得到的像元光谱反射率值与原始像元光谱反射率值不守恒。因此在基于重构土壤端元光谱的遥感应用中具有局限性，不能适用于遥感地表特征参数反演等定量研究。

发明内容

本发明所要解决的技术问题是：提供一种植被覆盖下的土壤光谱还原的图像处理方法，保留原始遥感图像光谱信息的同时，重构体现土壤异质性的土壤光谱图像，从而抑制非土壤信息的影响，实现植被覆盖下的土壤光谱还原。

本发明为解决上述技术问题采用以下技术方案：

一种植被覆盖下的土壤光谱还原的图像处理方法，包括如下步骤：

步骤1，获取某区域的多光谱遥感图像，并针对该区域，利用ASD光谱仪实地测量该区域中土壤类和非土壤类地物的野外光谱数据；

步骤2，将土壤类地物的野外光谱数据重采样为与多光谱遥感图像波段一致的端元光谱数据，并计算土壤类端元的平均光谱数据以及土壤类端元在多光谱遥感图像各个波段上的光谱反射率波动范围；同理，将非土壤类地物的野外光谱数据重采样为与多光谱遥感图像波段一致的端元光谱数据，并计算非土壤类端元的平均光谱数据以及非土壤类端元在多光谱遥感图像各个波段上的光谱反射率波动范围；

步骤3，依据土壤类和非土壤类端元的平均光谱数据对多光谱遥感图像进行线性混合像元分解，得到各端元的丰度值和分解残差数据；