[发明专利]一种基于类解混的高光谱和多光谱图像融合算法

说明书

本发明公开了一种基于类解混的高光谱和多光谱图像融合算法，涉及图像处理技术领域。本发明一种基于类解混的高光谱和多光谱图像融合算法，包括基于聚类的端元生成：采用模糊c均值(fuzzy c‑means,Fcm)算法对待重建的LR‑HSI(低分辨率高光谱图像)进行聚类，选取距离聚类中心最近的像素点代替端元使用，利用HR‑MSI(高空间分辨率多光谱图像)相同空间位置的像素作为约束,所得的LR‑HSI的类端元作为k类映射模型的输入,每个输入的类端元对应着k个输出，作为约束，得到在线调整后的t个端元,这样即能获取高精度端元，又能克服非负矩阵解混其解不稳定以及解混算法复杂度高问题，通过融合算法在空间分辨率增强和光谱特性保持上均达到了很好的效果。

技术领域

本发明属于图像处理技术领域，特别是涉及一种基于类解混的高光谱和多光谱图像融合算法。

背景技术

光谱成像系统在许多连续且非常窄的光谱波段中对电磁波谱进行采样，获得的高光谱图像具有高的光谱分辨率，为了获取更多的波段，传感器在接受光能前有一个分光过程，即分光镜把光分为许多份，那么在光入射能量一定条件下，分光后每个波段只有小部分能量到达传感器，传感器获得一定光能才能响应，为了确保足够信噪比，必须增大芯片像素尺寸，像素尺寸指每个像素的面积，当像素尺寸增大时，单位面积内像素数量减小，这会导致获得的图像空间分辨率减小，基于以上原因，由高光谱成像系统获得的高光谱图像具有低空间分辨率，由于各种硬件限制，现有技术人员提出采用NMF用于光谱解混，然而这些基于NMF的算法的代价函数是非凸的，导致图像融合结果的不稳定；故此，我们提出了一种基于类解混的高光谱和多光谱图像融合算法。

发明内容

本发明的目的在于提供一种基于类解混的高光谱和多光谱图像融合算法，为解决上述技术问题，本发明是通过以下技术方案实现的：

一种基于类解混的高光谱和多光谱图像融合算法，包括如下步骤：

步骤一、输入LR-HSI(低分辨率高光谱图像)和HR-MSI(高空间分辨率多光谱图像)；

步骤二、基于聚类的端元生成：采用模糊c均值(fuzzy c-means,Fcm)算法对待重建的LR-HSI(低分辨率高光谱图像)进行聚类，选取距离聚类中心最近的像素点代替端元使用，利用HR-MSI(高空间分辨率多光谱图像)相同空间位置的像素作为约束,所得的LR-HSI的类端元作为k类映射模型的输入,每个输入的类端元对应着k个输出，作为约束，得到在线调整后的t个端元，如(i＝1,…,t)求解公式(10)；

步骤三、光谱域映射模型学习：GrNN用于学习LR-HSI和HR-HSI在光谱域的映射关系，LR-HSI(低分辨率高光谱图像)波段是连续的，HR-MSI(高空间分辨率多光谱图像)的波段存在局部间断的情况，设高光谱图像有Р个波段，多光谱图像有o个波段，且Po，设I表示一幅图像，c表示图像空间的端元矩阵，A表示丰度矩阵，k表示基向量的个数，N表示残差,x表示上采样的x，Nz,Nx和Ny表示残差，z和y有着相同的空间分辨率，根据r-MSI(高空间分辨率多光谱图像)-LR-HSI(低分辨率高光谱图像)相应关系，LR-HSI(低分辨率高光谱图像)的P个波段被分割为K个区间(k＝1,2,…,K),则LR-HSI(低分辨率高光谱图像)在光谱区间的波段数为P，每一个LR-HSI(低分辨率高光谱图像)光谱分区实际上是一个多波段图像，共有K个多波段图像，通过分区，LR-HSI(低分辨率高光谱图像)和HR-MSI(高空间分辨率多光谱图像)融合被简化为K个多波段图像的空间分辨率，图像空间中的任一光谱向量可以表示成图像空间的端元线性组合的形式，如代入公式(7)；

步骤四、HR-HSI图像重建：以聚类提取的端元作为图像空间的基向量，图像空间中的任一像素都可以由这些端元的线性组合得到，在已求得基向量cz的情况下，稀疏系数Az已知；

步骤五、最后的输出：得到一个HR-HSI图像重建。