[发明专利]基于亚像元映射的高光谱图像超分辨重建方法

说明书

技术领域

本发明属于图像处理技术领域，适用于高光谱遥感图像重建，具体涉及一种基于亚像元映射的高光谱图像超分辨重建方法。 

背景技术

近年来，卫星遥感技术得到了飞速的发展，新兴起的高光谱遥感成像技术能够在很多、很窄且准连续的光谱波段上获取地表观测数据，为人们提供更加丰富的地物观测信息，大大增强了直接从遥感图像中辨识和分析地物状况的能力。但是高光谱成像技术在获得很高的光谱分辨率的同时空间分辨率受到了限制，因此如何提升高光谱遥感图像的空间分辨率成为了亟待解决的问题。 

对于与待成像空间平面相距R的空间遥感平台，在忽略光学系统非线性畸变和噪声干扰影响的条件下，其空间分辨率ΔL可以表示为 

ΔL=WRf]]>

其中，W是CCD器件阵元宽度，f为光学系统的焦距。所以，要想提高遥感图像的空间分辨率可以通过三种方式，一种是降低遥感平台飞行轨道高度，但是这样会使此平台的寿命缩短；在保持R不变的情况下，另外两种提高分辨率的方法是增大焦距和缩小阵元宽度，然而，增大焦距会使得光学零件的加工难度增大，费用增高，导致遥感器的体积大重量重，为实际的应用带来困难；CCD阵元的大小受到工艺的限制，由于国外的技术封锁，我们能够得到的CCD孔径不能做的足够小。综上，如何能够在距离R，焦距f以及CCD孔径W大小不变的前提下使得遥感图像空间分辨率得到提升是亟待解决的问题。超分辨率图像重建技术是解决这一问题的有效途径，该技术利 用一幅或多幅从不同角度、不同位置、不同传感器等得到的低分辨率图像来重建出一幅或多幅高分辨率图像。 

高光谱成像方式受到传感器空间分辨率的制约以及地物分布复杂性的影响而使得所得图像的空间分辨率不高，这就导致单个像元所记录的数值信息多为多种地物类型光谱特征所构成的混合体，被称为混合像元。混合像元现象的存在对图像的定量解译带来了极大的困难，也为提高高光谱图像的空间分辨率带来困难。混合像元分解方法是解决这一困难的有效途径之一，其基本含义为通过混合像元光谱提取出被称为端元的典型“纯净”地物光谱，同时估计各个端元在混合像元中所占的比例，该比例称为丰度值。对于每类地物，其在每个像元中的丰度值形成一幅丰度图。但是，这类混合像元分解方法仅给出每种地物在每个像元中的比例，并没有给出它们在该像元中是如何分布的。亚像元映射方法利用混合像元分解方法得到的丰度图，在某些限制条件下来估计出每种地物在每个像元中的分布，从而能够得到比原始图像分辨率更高的地物分类图像。现有的亚像元映射方法主要分为两类，基于学习的和基于空间连续性的，前者收集一些已知的高分辨率地物分布图像作为训练集，通过将它们降低分辨率而得到丰度图，然后采用机器学习的手段训练得到高分辨率地物分布图像与相应的丰度图之间的关系，并将此关系应用在待处理的高光谱图像丰度图上，从而得到所需要的高分辨率地物分布图像；后者基于空间连续性的算法多是针对地物分布具有局部连续性这一特点提出不同的模型，然后通过优化来得到满足此模型的最优地物分布。 

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供了一种基于亚像元映射的高光谱图像超分辨重建方法，能够得到比原始图像分辨率高的高分辨率高光谱遥感图像。 

为了实现上述目的，本发明采用的技术方案是： 

基于亚像元映射的高光谱图像超分辨重建方法，包括以下步骤： 

步骤1，亚像元映射； 

步骤1.1，采用混合像元分解方法获取原始高光谱遥感图像中每个像元内各种地物的比例值，称为丰度值； 

步骤1.2，将原始高光谱遥感图像中的每个像元称为粗像元，将每个粗像元划分为n￡n个亚像元，其中n为预定义的分辨率放大倍数； 

步骤1.3，根据已知的每种地物在每个像元中的丰度值，将每个亚像元随机分配为某一种地物，即得到初始化的地物分布图像； 

步骤1.4，根据迭代优化准则，利用模拟退火算法对已初始化的地物分布图像进行迭代优化，直至满足迭代终止条件，所述的迭代优化准则基于地物分布的局部连续性和地物分布的全局相似性，其中， 

地物分布的局部连续性，是指在局部范围内同样类别的地物比不同种类别的地物分布的要近；