一種端元提取數(shù)據(jù)預(yù)處理方法
【專利摘要】本發(fā)明提供了一種端元提取數(shù)據(jù)預(yù)處理方法，該方法通過(guò)建立基于模糊特征空間核空間引力模型，為高光譜數(shù)據(jù)像素點(diǎn)定義像元變異指數(shù)，實(shí)現(xiàn)了高光譜圖像變異像素點(diǎn)的檢測(cè)和移除。首先對(duì)高光譜數(shù)據(jù)集合進(jìn)行模糊特征空間變換，得到模糊特征。利用像素的模糊特征，運(yùn)用高斯徑向基核函數(shù)優(yōu)化的空間引力模型，計(jì)算3×3的空間鄰域窗口內(nèi)，鄰域像素對(duì)中心像素的累加引力值，該引力值與像素變異指數(shù)成反比，對(duì)高變異指數(shù)像素進(jìn)行移除。
【專利說(shuō)明】一種端元提取數(shù)據(jù)預(yù)處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種端元提取數(shù)據(jù)預(yù)處理方法。
【背景技術(shù)】
[0002]高光譜遙感技術(shù)已經(jīng)在精細(xì)農(nóng)業(yè)、環(huán)境檢測(cè)、地質(zhì)勘探、軍事偵查等領(lǐng)域顯現(xiàn)巨大的優(yōu)勢(shì)。然而，盡管高光譜遙感圖像具有較高的光譜分辨率，卻始終受空間分辨率的制約。較低的空間分辨率導(dǎo)致混合像元在高光譜數(shù)據(jù)中大量存在。近20年，混合像元分析成為該領(lǐng)域研究學(xué)者不容忽視的課題。
[0003]在線型混合模型假設(shè)下，若當(dāng)前像素光譜曲線，有且僅由一種地物光譜構(gòu)成，定義該像素點(diǎn)為對(duì)應(yīng)于該地物的端元；反之，若當(dāng)前像素光譜曲線由多種地物光譜線性疊加構(gòu)成，定義該像素點(diǎn)為混合像素。傳統(tǒng)的基于凸面單形體幾何理論的端元提取方法，如:最大單形體體積(N-FINDR)、頂點(diǎn)成分分析(VCA)、正交子空間投影(OSP)及像素純度指數(shù)(PPI)等諸多方法，旨在為每類地物尋找其對(duì)應(yīng)的端元像素點(diǎn)。這種單一的端元提取方法——每種地物僅由某一條光譜曲線端元表示——忽略了像素光譜具有變異性的固有特性。
[0004]受光照條件、作物長(zhǎng)勢(shì)、含水量及陰影等條件的影響，像元光譜表現(xiàn)固有的變異性。C.A.Bateson, Gregory P.Asnerc, Roberts等學(xué)者針對(duì)光譜變異性展開(kāi)了長(zhǎng)期較深入的研究，以端元束集合替代單一端元集合，為待解混像素反演出最小均方誤差準(zhǔn)則下的豐度估計(jì)。這種做法盡管指出了光譜具有變異性的特點(diǎn)，卻仍未從根本上解決變異光譜對(duì)真實(shí)端元光譜在光譜特征空間的干擾。
[0005]目前國(guó)內(nèi)外尚無(wú)端元提取數(shù)據(jù)預(yù)處理方面的算法研究。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種端元提取數(shù)據(jù)預(yù)處理方法，用于檢測(cè)并移除高光譜數(shù)據(jù)中具有較強(qiáng)光譜變異性的像素點(diǎn)。
[0007]—方面，提供了一種端元提取數(shù)據(jù)預(yù)處理方法，包括:對(duì)高光譜數(shù)據(jù)矩陣X進(jìn)行模糊K-mean聚類，得到每個(gè)像元在模糊特征空間的模糊屬性，以該模糊屬性取代光譜特征；其次，進(jìn)行3X3鄰域窗口內(nèi)核空間引力模型的高變異指數(shù)像素檢測(cè)和移除；最后，設(shè)定判定閾值因子α，移除高變異指數(shù)像素，保留穩(wěn)定像素點(diǎn)。模糊特征空間核空間引力模型的應(yīng)用，實(shí)現(xiàn)了空間信息和光譜模糊特征信息的一體化，具有在高維非線性空間中從高光譜數(shù)據(jù)集中分離出高變異指數(shù)像素的能力。
[0008]優(yōu)選的，對(duì)高光譜數(shù)據(jù)進(jìn)行模糊K-mean聚類，以聚類后像素點(diǎn)的模糊特征向量替代原始光譜特征向量。其中，聚類數(shù)目等于由虛擬維數(shù)法估計(jì)出的端元數(shù)目。實(shí)現(xiàn)了光譜數(shù)據(jù)矩陣由原始光譜特征空間到模糊特征空間的變換，將高維的光譜特征數(shù)據(jù)轉(zhuǎn)換為較低維度的模糊特征數(shù)據(jù)。
[0009]可選的，運(yùn)用高斯徑向基核函數(shù)優(yōu)化空間引力模型。模型的加權(quán)因子采用像素點(diǎn)距離加權(quán)因子，遍歷計(jì)算全局像素點(diǎn)，為像素點(diǎn)定義變異指數(shù)。[0010]優(yōu)選的，設(shè)定判定閾值因子α，其中α非定值，因數(shù)據(jù)自身特性而變化，該因子需根據(jù)實(shí)際需要做適當(dāng)調(diào)整。同時(shí)，該發(fā)明指出：判定閾值因子α可在均值引力誤差附近范圍取值。
[0011]本發(fā)明將高光譜數(shù)據(jù)的光譜和空間特性一體化，實(shí)現(xiàn)了對(duì)象元變異指數(shù)的判定，是一種高光譜端元提取數(shù)據(jù)預(yù)處理方法。該發(fā)明可作為現(xiàn)有的基于凸面單形體幾何理論的端元提取算法的前期數(shù)據(jù)預(yù)處理方法，降低了變異像素對(duì)端元提取算法的干擾，提升了現(xiàn)有基于凸面單形體幾何理論的端元提取算法的精度，具有較高的普適性。
【專利附圖】

【附圖說(shuō)明】[0012]圖I是高變異指數(shù)像素在光譜特征空間對(duì)真實(shí)端元造成淹沒(méi)現(xiàn)象，單形體體積被錯(cuò)誤估計(jì)示意圖；[0013]圖2是高變異指數(shù)像素在模糊特征空間中的分布示意圖；[0014]圖3是高斯徑向基核函數(shù)優(yōu)化的空間引力模型檢測(cè)窗口示意圖；[0015]圖4a)是二種玉米種子圖片；[0016]圖4b)是玉米類型I、玉米類型2、玉米類型3對(duì)應(yīng)的光譜特征曲線圖；[0017]圖4c)是葉片圖像；[0018]圖4d)是葉片光譜特性曲線圖；[0019]圖5a)`是模擬數(shù)據(jù)玉米類型I豐度分布圖；[0020]圖5b)是模擬數(shù)據(jù)玉米類型2豐度分布圖；[0021]圖5c)是模擬數(shù)據(jù)玉米類型3豐度分布圖；[0022]圖6a)是高光譜AVIRIS印第安納州農(nóng)林?jǐn)?shù)據(jù)第10波段圖像；[0023]圖6b)是印第安納州農(nóng)林?jǐn)?shù)據(jù)16種地物類別的分布參照?qǐng)D；[0024]圖6c)是印第安納州農(nóng)林?jǐn)?shù)據(jù)16種地物對(duì)應(yīng)灰度級(jí)的地物名稱；[0025]圖7a)是印第安納州農(nóng)林?jǐn)?shù)據(jù)A(corn-notill)、B (corn-mino)、C(corn)的空間位置圖；[0026]圖7b)是 corn-notill、corn-mino、corn 的光譜特性曲線圖；[0027]圖7c)是N-FINDR算法在原始數(shù)據(jù)中端元提取結(jié)果圖；[0028]圖7d)是N-FINDR算法在FFS-KSAM預(yù)處理后的端元提取結(jié)果圖；[0029]圖8是根據(jù)本發(fā)明實(shí)施例的端元提取數(shù)據(jù)預(yù)處理方法流程圖。
【具體實(shí)施方式】
[0030]下面對(duì)本發(fā)明實(shí)施例涉及的定義進(jìn)行說(shuō)明：
[0031 ] 像素點(diǎn)ri的變異性大小由變異指數(shù)SIi衡量，若某像素點(diǎn)具有較強(qiáng)的光譜變異性，并在光譜特征空間淹沒(méi)了真實(shí)的端元，該象元被定義為具有較高變異指數(shù)的像素。
[0032]本發(fā)明所述的方法可以被定義為：模糊特征空間核空間引力模型（Fuzzy FeatureSpace Kernel Spatial Attraction Model, FFS-KSAM)? 本發(fā)明首先對(duì)高光譜數(shù)據(jù)進(jìn)行模糊特征空間變換，在模糊特征空間運(yùn)用高斯徑向基核函數(shù)優(yōu)化的空間引力模型，在3X3的空間鄰域窗口內(nèi)對(duì)中心像素進(jìn)行檢測(cè)并判定該像元是否屬于高變異指數(shù)像素。
[0033]線性混合模型假設(shè)：高光譜數(shù)據(jù)矩陣用X表示，其大小為L(zhǎng)XN，其中L為波段總數(shù)，N為像元總數(shù)。第i個(gè)混合像素ri的光譜特性為端元的線性疊加，用(I)式表達(dá)如下:
【權(quán)利要求】
1.一種端元提取數(shù)據(jù)預(yù)處理方法，其特征在于，包括：獲取高光譜圖像；對(duì)所述高光譜圖像對(duì)應(yīng)的高光譜數(shù)據(jù)矩陣進(jìn)行模糊聚類，得到每個(gè)像元在模糊特征空間的模糊屬性，以該模糊屬性特征向量取代所述矩陣中的光譜特征向量；對(duì)所述矩陣進(jìn)行3X3鄰域窗口內(nèi)核空間引力模型的高變異指數(shù)像素檢測(cè)和移除，移除聞變異指數(shù)像素，保留穩(wěn)定像素點(diǎn)。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，模糊聚類的數(shù)目等于由虛擬維數(shù)法估計(jì)出的端元數(shù)目。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于：運(yùn)用高斯徑向基核函數(shù)優(yōu)化空間引力模型。模型的加權(quán)因子采用像素點(diǎn)距離加權(quán)因子，遍歷計(jì)算全局像素點(diǎn)，為像素點(diǎn)定義變異指數(shù)。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于：設(shè)定判定閾值因子α，其中α根據(jù)數(shù)據(jù)自身特性進(jìn)行變化。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于：所述模糊聚類包括模糊K-mean聚類。
【文檔編號(hào)】G06T7/00GK103530875SQ201310466843
【公開(kāi)日】2014年1月22日 申請(qǐng)日期:2013年10月9日 優(yōu)先權(quán)日:2013年10月9日
【發(fā)明者】趙春暉, 田明華, 趙艮平, 王立國(guó), 崔穎 申請(qǐng)人:哈爾濱工程大學(xué)