[发明专利]基于Fisher判别零空间的高光谱遥感图像混合像元分解方法

权利要求书

1.基于Fisher判别零空间的高光谱遥感图像混合像元分解方法，其特征在于首先通过像元纯度指数计算，对每个端元选取一定数目纯像元作为训练样本；然后应用Fisher判别零空间方法，构造训练样本的类内散布矩阵零空间，称为Fisher判别零空间，使端元内的光谱差异尽可能的减小；在此零空间内找到类间离散度最大的投影方向，再往此方向投影得到端元样本的最优分类特征矢量，最后用全约束的最小二乘法解混，得到每种地物的比例，即各端元对应的丰度；

其中，所述通过计算像元纯度指数，选取纯像元作为训练样本的步骤如下：

1)初始化：随机产生k个n维的单位向量skewer，k值越小，计算量越少，取k不小于10000；

2)计算像元纯度指数：对每个像元向量pixel，设定一个计数器N_PPI，赋初值0，作投影运算：

对于每个单位向量skewer，投影值dp的极大值所对应像元的计数器N_PPI加1；

3)提取高纯度像元：上一步骤的计算结果N_PPI的大小代表像元的纯度，设定阈值ε，计数器N_PPI≥ε对应的像元被视为纯度较高的像元而保留，其余的像元被屏蔽，得到高纯度像元；ε取值为8000～20000的整数；

高纯度像元按各类地物进行分类，作为各类地物同物异谱的端元样本；

所述构造Fisher判别零空间，使端元内的光谱差异尽可能减小的步骤如下：设训练样本类间散布矩阵为S_b，类内散布矩阵为S_w，Fisher判别零空间方法的目标是寻找属于S_w零空间的判别矢量q，满足q^TS_wq＝0，且q^TS_bq≠0，并使 尽可能的大，即|q^TS_bq|尽可能的大；其方法是通过特征分解先除去S_b和S_w共同的零空间，然后在维度降低了的投影空间寻找S_w的零空间，即为训练样本Fisher判别的零空间。