[发明专利]基于条件数加权的高光谱遥感影像丰度估计方法及装置

说明书

本发明提供一种基于条件数加权的高光谱遥感影像丰度估计方法及装置，该方法包括：获取高光谱数据矩阵和端元数据矩阵；使用双正交小波分别对高光谱数据矩阵和端元数据矩阵进行小波包分解，得到对应的小波包树；获取端元数据矩阵对应的小波包树每个节点处的系数矩阵；计算每个系数矩阵的条件数；根据每个条件数计算每个节点的权重；将每个节点对应的高光谱数据矩阵和端元数据矩阵作为最小二乘法的输入，将每次最小二乘法输出的结果乘以对应节点的权重，最后对每个节点进行求和得到丰度估计结果。本发明使用小波包分解后的系数矩阵的条件数加权，可以更大化的利用数据中的有效信息，从而改进最小二乘估计，提高了高光谱遥感影像的解混精度。

技术领域

本发明涉及高光谱解混技术领域，具体涉及一种基于条件数加权的高光谱遥感影像丰度估计方法及装置。

背景技术

高光谱遥感影像信息空间分辨率的限制以及复杂地物的影响，图像中出现大量混合像元，即一个像元同时包含几个地物的光谱信息。若一个像元只包含一种地物，则该像元称之为端元。高光谱解混主要包括端元提取和丰度估计，即确定组成混合像元的地物种类以及确定各个种类所占的比例。

现有的高光谱遥感影像丰度估计的方法主要是采用全约束的最小二乘方法，但是此方法在处理含有噪声的数据时，丰度估计的误差较大，解混的精度会降低。

发明内容

为了解决全约束的最小二乘法估计丰度误差较大、解混精度低的技术问题，本发明采取的技术方案是，提供了一种基于条件数加权的高光谱遥感影像丰度估计方法及装置。

根据本发明的一个方面，提供了一种基于条件数加权的高光谱遥感影像丰度估计方法，包括以下步骤：

获取高光谱数据矩阵和端元数据矩阵；

使用双正交小波对所述高光谱数据矩阵进行小波包分解，得到高光谱数据矩阵对应的小波包树；

使用双正交小波对所述端元数据矩阵进行小波包分解，得到端元数据矩阵对应的小波包树；

获取所述端元数据矩阵对应的小波包树每个节点处的系数矩阵；

计算每个所述系数矩阵的条件数；

根据每个所述条件数计算每个节点的权重；

将每个节点对应的高光谱数据矩阵和端元数据矩阵作为最小二乘法的输入，将每次最小二乘法输出的结果乘以对应节点的权重得到该节点对应的结果，最后对每个节点对应的结果进行求和得到丰度估计结果。

优选地，所述对使用双正交小波高光谱数据矩阵进行小波包分解，得到高光谱数据矩阵对应的小波包树的步骤，包括：

所述高光谱数据矩阵的大小为x×y×z，其中，x和y是图像数据，z是波长；

使用双正交小波对所述高光谱数据矩阵进行小波包分解时，每次分解1×1×z的数据，分解完成后，得到x×y个小波包树；

每个节点对应的高光谱数据矩阵的大小为k×1，其中，k由分解的层数和选取的小波包类型确定。

优选地，所述使用双正交小波对所述端元数据矩阵进行小波包分解，得到端元数据矩阵对应的小波包树的步骤，包括：

所述端元数据矩阵为z×e，其中z是波长，e是端元的个数，每个z×1的向量代表一种地物的光谱数据；

使用双正交小波分别对e个z×1的光谱数据进行a层小波包分解，得到e个小波包树，每个小波包树有个节点；

将e个小波包树对应节点的数据重新组合成k×e的系数矩阵，其中k由分解的层数和选取的小波包类型确定。

优选地，所述根据条件数计算每个节点的权重的步骤，包括：