一種高光譜圖像端元自動提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高光譜遙感應(yīng)用領(lǐng)域，尤其涉及一種高光譜圖像端元自動提取方法。
【背景技術(shù)】
[0002] 高光譜遙感是遙感技術(shù)發(fā)展的重要趨勢，其光譜通道數(shù)多，通常有數(shù)十甚至數(shù)百 個，這種特性被成功地應(yīng)用在地質(zhì)勘探、農(nóng)林業(yè)調(diào)查和環(huán)境監(jiān)測等領(lǐng)域的研究，取得了引人 矚目的成果。高光譜具有圖譜合一的特點，能夠得到各個像元的光譜曲線和圖像信息。隨 著高光譜遙感技術(shù)的迅速發(fā)展，與之相輔的高光譜圖像端元自動提取技術(shù)也得到了人們越 來越多的重視。
[0003] 端元數(shù)目的正確估計是端元提取的先決條件，端元提取的結(jié)果在一定程度上直接 決定了混合像元分解的精度，目前，學(xué)者們提出了很多有效的端元提取算法，但大多數(shù)算法 主要是根據(jù)判讀經(jīng)驗來估計端元數(shù)目，這往往會因為判讀人員的個人經(jīng)驗或者光譜數(shù)據(jù)中 存在較高噪聲而降低端元數(shù)目估計的精度。因此，自動且具有較高魯棒性的端元數(shù)目估計 是混合像元分解中端元提取的關(guān)鍵環(huán)節(jié)。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的主要目的在于提出一種高光譜圖像端元自動提取方法，自動 提取端元，在一定程度上提高混合像元分解的自動化程度，減少人工介入，該方法在低信噪 比情況下仍能正確地估計端元數(shù)目，并且可以正確地提取端元。
[0005] 為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
[0006] -種高光譜圖像端元自動提取方法，包括如下步驟，如圖1所示：
[0007] 步驟A、獲取高光譜圖像數(shù)據(jù)；
[0008] 獲取高光譜圖像數(shù)據(jù)Xmxn，其中M是光譜的波段數(shù)目，N是所有像元的數(shù)目。
[0009] 步驟B、高光譜圖像數(shù)據(jù)預(yù)處理；
[0010] 為了簡化計算以及降低噪聲對結(jié)果的影響，要將獲取的高光譜數(shù)據(jù)Xmxn進行降 維。
[0011] 步驟Bl、求取高光譜數(shù)據(jù)Xmxn的平均光譜d :
[0013] 其中x[n]表示高光譜數(shù)據(jù)Xmxn中的一條光譜，η取1，2,…N;
[0014] 步驟Β2、將高光譜數(shù)據(jù)Xmxn進行均值零化處理，處理后的光譜數(shù)據(jù)為U :
[0015] U = [x[l]-d，x[2]-d，...，x[N]_d] e Rmxn ⑵
[0016] 步驟B3、求取仿射變換算子C :
[0017] C= [Q1(UUt), q2(UUT),-,Qpnax !(UUt)] (3)
[0018] 其中(UUt)表示求取1#第i個特征值所對應(yīng)的特征向量，pmax最大端元數(shù)；
[0019] 步驟M、將均值零化處理后的數(shù)據(jù)仿射變換，求取降維后的像元向量對》];
[0021] 步驟B5、將降維后的像元向量添加一維，獲取增廣降維光譜數(shù)據(jù)可》]:
[0023] 步驟C、求取第一個端元；
[0024] 根據(jù)公式（6)，求取增廣降維后的一個端元M :
[0026] 步驟D、將求取的降維后端元組成矩陣投影算子Q :
[0028] pmax為最大端元數(shù)；
[0029] 步驟E、根據(jù)矩陣Q不斷迭代提取端元，并將提取的端元添加到Q中，最后獲得端 元光譜；步驟EU求取Q的正交投影算子& :
[0031] 其中Ipniax是單位矩陣，維數(shù)為pmax，表示矩陣Q的偽逆。
[0032] 步驟E2、求取不同于涵!，…,的端元s
[0034] 步驟E3、將新求取的端元添加到矩陣Q中，組成新的矩陣Q :
[0036] 步驟E4、求取||/^[π]||;,的中位數(shù)
，計算
P可以取任意正整數(shù)，通常P取2 ;
[0037] 步驟Ε5、k未達到最大端元數(shù)pmax時，重復(fù)第El步，達到最大端元數(shù)pmax時，計 算判定值
[0038] 步驟E6、設(shè)定閾值Tthrashcild，估計端元數(shù)目，比較判定值T與閾值的關(guān)系，當 ^ threshold 時，i便是要進行估計的端元數(shù)目；
[0039] 步驟E7、輸出端元光譜集合Q。
[0040] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于：
[0041] 本發(fā)明利用高光譜數(shù)據(jù)具有近似于低維流形數(shù)據(jù)的特性，采用正交投影的原理， 將混合像元投影至正交投影算子中，通過尋找投影向量P范數(shù)最大的點即單形體的頂點來 篩選端元，將篩選出的端元再次添加到投影算子中，不斷迭代。本方法無需設(shè)定初始端元向 量，避免了常規(guī)方法中隨機設(shè)定端元初始向量帶來的端元提取結(jié)果的不確定性，提高了端 元提取的精度和自動化程度。
[0042] 在端元篩選的過程中，本發(fā)明提出了自動估計端元數(shù)目的判別函數(shù)，通過分析投 影后各個像元向量的P范數(shù)值，將每一次投影中的P范數(shù)最大值與P范數(shù)中位數(shù)作差，并將 其與所有次投影中P范數(shù)最大值與P范數(shù)中位數(shù)之差的最小項作商，通過多次投影的商值 與判定值閾值進行比較，從而實現(xiàn)端元數(shù)目自動估計。該方法解決了目前大多數(shù)端元提取 算法首先根據(jù)經(jīng)驗人為確定端元數(shù)目導(dǎo)致的端元提取精度降低的問題。該方法簡潔，容易 實現(xiàn)，精度高，并且具有較強的魯棒性。
【附圖說明】
[0043] 圖1為本發(fā)明方法的流程圖；
[0044] 圖2為實驗采用的USGS庫中的5種端元光譜圖；
[0045] 圖3為實驗采用高光譜圖像仿真圖；
[0046] 圖4為提取的端兀順序圖；
[0047] 圖5為判定值T與投影次數(shù)的關(guān)系。
【具體實施方式】
[0048] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下舉實施例并參照附圖，對 本發(fā)明進一步詳細說明。
[0049] 為了明確地探究端元數(shù)據(jù)估計方法的優(yōu)劣性，將使用仿真圖像作為實驗數(shù)據(jù)。選 取USGS(美國地質(zhì)勘探局）光譜庫中的5種材料光譜（記作P2、P3、P4、P 5)按照一定比 例構(gòu)成仿真圖像，波長范圍從350nm-1000nm。仿真圖像包含25個方形區(qū)域，所在位置如圖 3所示，圖像中其它區(qū)域像元稱為背景像元，大小為5種物質(zhì)光譜的均值（簡寫為B)，相應(yīng) 的背景光譜特征在圖2中畫出。這25個方形區(qū)域靜仿真按如下的思路：1-5行第一列為個 4X4的純像元，1-5行第二列為2X2的純像元，1-5行第三列為2X2的混合像元，1-5行第 四列為1X1的子像元，1-5行第五列為1X1的子像元。引入第三列的混合像元和第四、第 五列的子像元的目的是為了研究并分析在五種端元不同混合程度時算法的性能。具體的混 合信息如表1所示。在表1中，P代表區(qū)域中所有像元，Plj代表區(qū)域中第i行、第j列。在 仿真圖的第一列和第二列中總共有100個純像元，第三列中有20個混合像元，第四列和第 五列中有10個子像元。此外，在仿真圖像中分別添加30dB的高斯白噪聲。
[0050] 表1仿真合成圖像的像元組成
[0051] CN 105184302 A 說明書 4/5 頁
[0052] 參照圖1，該實施例高光譜圖像端元自動提取實現(xiàn)過程如下：
[0053] 步驟A、獲取高光譜圖像數(shù)據(jù)；
[0054] 獲取高光譜圖像數(shù)據(jù)X651xl3°，其中651是光譜的波段數(shù)目，130是所有像元的數(shù) 目。
[0055] 步驟B、高光譜圖像數(shù)據(jù)預(yù)處理；
[0056] 為了簡化計算以及降低噪聲對結(jié)果的影響，要將獲取的高光譜數(shù)據(jù)X651X13°進行降 維。
[0057] 步驟Bl、求取高光譜數(shù)據(jù)的平均光譜d :
[0059] 步驟B2、將高光譜數(shù)據(jù)X651xl3°進行均值零化處理，處理后的光譜數(shù)據(jù)為U :
[0060] U = [x[l]_d，x[2]_d，…，x[130]_d] e R651xi30 ⑵
[0061] 步驟B3、設(shè)定最大端元數(shù)目pmax = 20,求取仿射變換算子C :
[0062] C = [Q1(UUt)1Q2(UUt), - ,Q19(UUt)] (3)
[0063] 步驟M、將均值零化處理后的數(shù)據(jù)仿射變換，求取降維后的像元向量小?1:
[0065] 步驟B5、獲取增廣降維光譜數(shù)據(jù)::
[0067] 步驟C、求取第一個端元；
[0068] 求取增廣降維后的一個端元m1:
[0070] 步驟D、將求取的增廣降維端元組成矩陣Q : CN 105184302 A I兄明書 5/5 頁
[0072] 步驟E、不斷提取端元，將提取的端元添加到Q ;
[0073] 步驟El、求取Q的正交投影算子& :
[0075] 其中表示矩陣Q的偽逆。
[0076] 步驟E2、求取不包含在Q中端元％ :
[0078] 步驟E3、將新求取的端元添加到矩陣Q中，組成新的矩陣Q :
[0080] 步驟E4、求取
的中位數(shù)
*計算
[0081] 步驟E5、未達到最大迭代次數(shù)20時，重復(fù)第El步，達到最大迭代次數(shù)20時，計算 判定值
[0082] 步驟E6、設(shè)定閾值Tthrashcild = 2估計端元數(shù)目；
[0083] T值與投影次數(shù)的關(guān)系如圖5所示，T5S T th_hc]ld時，估計端元數(shù)目為5。
[0084] 步驟E7、輸出端元光譜集合，其在仿真圖像中的位置如圖4所示。
[0085] 提供以上實施例僅僅是為了描述本發(fā)明的目的，而并非要限制本發(fā)明的范圍。本 發(fā)明的范圍由所附權(quán)利要求限定。不脫離本發(fā)明的精神和原理而做出的各種等同替換和修 改，均應(yīng)涵蓋在本發(fā)明的范圍之內(nèi)。
【主權(quán)項】
1. 一種高光譜圖像端元自動提取方法，其特征在于包括如下步驟： 步驟A、獲取高光譜圖像數(shù)據(jù)Xmxn，其中M是光譜的波段數(shù)目，N是所有像元的數(shù)目； 步驟B、對步驟A獲取的高光譜圖像數(shù)據(jù)進行降噪預(yù)處理，得到降維后的高光譜圖像數(shù) 據(jù)，以及降低噪聲對結(jié)果的影響； 步驟C、求取降維后的高光譜圖像數(shù)據(jù)的第一個端元兩步驟D、將求取的降維后端元組成矩陣投影算子Q :pmax為最大端元數(shù)； 步驟E、根據(jù)矩陣Q不斷迭代提取端元，并將提取的端元添加到Q中，最后獲得端元光 譜。2. 根據(jù)權(quán)利要求1所述的高光譜圖像端元自動提取方法，其特征在于：所述步驟B的 預(yù)處理，得到降維后的高光譜圖像數(shù)據(jù)的過程為： 步驟B1、求取高光譜數(shù)據(jù)Xmxn的平均光譜d :其中x[n]表示高光譜數(shù)據(jù)Xmxn中的一條光譜，η取1，2，"·Ν; 步驟Β2、將高光譜數(shù)據(jù)Xmxn進行均值零化處理，處理后的光譜數(shù)據(jù)為U : U = [x[l]-d，x[2]-d，...，x[N]-d] e Rmxn (4) 步驟B3、求取仿射變換算子C : C= [Q1(UUt), q2(UUT),-,Qpnax !(UUt)] (5) 其中Qi(UUr)是求取1#第i個特征值所對應(yīng)的特征向量，pmax是最大端元數(shù)； 步驟M、將均值零化處理后的數(shù)據(jù)仿射變換，求取降維后的像元向量對《];(6) 步驟B5、將降維后的像元向量添加一維，獲取增廣降維光譜數(shù)據(jù)胃#]:(7)：,3. 根據(jù)權(quán)利要求1所述的高光譜圖像端元自動提取方法，其特征在于：所述步驟E、不 斷提取端元，將提取的端元添加到Q中，過程為： 步驟EU求取Q的正交投影算子& :C8) 其中IP_是單位矩陣，維數(shù)為pmax，表示矩陣Q的偽逆； 步驟E2、求取不同于巧,…為的端元< :(9) 步驟E3、將新求取的端元添加到矩陣Q中，組成新的矩陣Q :步驟E4、求取[|盡可《] I|p的中位數(shù)_，計算步驟E5、k未達到最大端元數(shù)pmax時，重復(fù)第El步，達到最大端元數(shù)pmax時，計算判 定值步驟E6、設(shè)定閾值Tthrashcild，估計端元數(shù)目，比較判定值T與閾值的關(guān)系，當T1S T thrashc]ld 時，i便是要進行估計的端元數(shù)目； 步驟E7、輸出端元光譜集合Q。
【專利摘要】本發(fā)明涉及一種高光譜圖像端元自動提取方法，利用高光譜數(shù)據(jù)具有近似于低維流形數(shù)據(jù)的特性，采用正交投影的原理，通過將提取的端元擴充至正交投影算子中，分析投影后各個像元向量的p范數(shù)值，進行端元數(shù)目自動估計，從而提取端元。本發(fā)明自動提取端元，在一定程度上提高混合像元分解的自動化程度，減少人工介入，該方法有較強的魯棒性，在信噪比不高的情況下仍能正確地估計端元數(shù)目，提取端元。
【IPC分類】G06K9/46
【公開號】CN105184302
【申請?zhí)枴緾N201510649145
【發(fā)明人】李慶波, 牛春陽
【申請人】北京航空航天大學(xué)
【公開日】2015年12月23日
【申請日】2015年10月9日