[发明专利]结合边缘保持的高光谱图像亚像元定位方法

说明书

本发明涉及结合边缘保持的高光谱图像亚像元定位方法，包括：S1、利用高斯模糊核和原始高光谱图像进行非盲去卷积来达到削减原始高光谱图像中点扩展函数效应；S2、使用域变换递归滤波器对步骤S1的结果进行滤波来起到边缘保持和减少噪声的作用；S3、通过线性光谱解混技术获取丰度图像；S4、对丰度图像使用插值方法进行上采样以获得各类别亚像元软类值；S5、利用类别分配策略为各亚像元分配类别标签，得到最终的亚像元定位结果。本发明能够处理有效地处理点扩展函数效应以及图像中的纹理细节等噪声，从而使亚像元定位精度得以提高。

技术领域

本发明涉及一种结合边缘保持的高光谱图像亚像元定位方法，属于高光谱图像亚像元定位技术领域。

背景技术

由于受到高光谱传感器瞬时视场的制约而使得高光谱遥感图像空间分辨率低，以及地面真实情况的复杂性，这导致混合像元大量存在，传统的分类方法以像元为单位来为其赋予类别标签，该种分类往往不能反映地面的真实情况。并且光谱解混技术是用来获取混合像元内端元种类以及各端元对应的丰度，但是无法明确各种地物在空间上的分布。而亚像元定位(subpixel mapping,SPM)的目的就是通过一定的算法或模型来确定每个像元内不同地物的空间位置，传统的两步SPM直接对原始高光谱图像进行处理，首先将原始高光谱图像进行光谱解混得到各类别丰度矩阵，然后按照某一尺度分别对各类别丰度矩阵进行上采样依次得到亚像尺度下的各类别软类值，最后使用类别分配策略获取最终的亚像元定位结果。然而，两步SPM没有考虑到高光谱遥感成像系统的点扩展函数效应带给原始高光谱图像的模糊，以及远距离测量时不可避免的会受到云雾等所带来的无关纹理细节对亚像元定位精度的影响,为了解决该问题，本文提出了一种结合边缘保持(edge-preserving，EP)的高光谱亚像元定位方法。

发明内容

为了克服现有研究的不足，本发明提供了一种结合边缘保持的高光谱图像亚像元定位方法，用来缓解原始高光谱易受到来自于成像系统的点扩展函数效应的影响的现象，同时用来减少原始高光谱图像上无关纹理细节。

一种结合边缘保持的高光谱图像亚像元定位方法的具体步骤如下：

S1：利用高斯模糊核和原始高光谱图像进行非盲去卷积来削减原始高光谱图像中点扩展函数效应；

S2：使用域变换递归滤波器滤波来起到边缘保持和减少噪声的作用；

S3：通过光谱解混技术得到丰度图像；

S4：对丰度图像进行上采样以获得各类别亚像元软类值；

S5：利用类别分配策略为各亚像元分配标签，得到亚像元定位结果。

作为优选方案，在步骤S1中，受到点扩展函数效应影响的高光谱成像模型表示为：

B＝I*K+N

其中，B∈R^m×n×b为高光谱遥感传感器获取得到的模糊图像，K∈R^k×k为点扩展函数所对应的模糊核，I∈R^m×n×b为所求清晰图像，N∈R^m×n×b表示加性噪声，*表示卷积运算，其中m×n表示空间分辨率，b表示波段数，k为点扩展函数对应的卷积核阶数。削弱点扩展函数导致对高光谱图像的影响的过程就是利用模糊图像和模糊核来得到清晰图像。

设B＝(B₁,B₂,...,B_b)^T，I＝(I₁,I₂,...,I_b)^T，i＝1,2,...,b，(·)^T表示转置。假设B_i满足泊松噪声分布，则有：

B_i＝Poisson((I_i*K)(x))