[发明专利]一种基于端元提取与光谱解混的高光谱图像融合方法

说明书

技术领域

本发明属于高光谱图像处理领域，具体涉及高光谱图像融合与空间分辨率增强的基于端元提取与光谱解混的高光谱图像融合方法。

背景技术

高光谱图像因其极高的光谱分辨率，有助于进行地物识别和分析等优点被广泛应用。然而，限制与当前技术水平，高光谱成像仪的光谱分辨率与空间分辨率是一对不可调和的矛盾，高光谱图像极高光谱分辨率的代价就是较低的空间分辨率，因此，通过图像融合技术提高高光谱图像的空间分辨率尤为重要。

在现阶段，国内外高光谱图像融合算法仍旧停留在对传统的多光谱图像空间分辨率增强算法的扩展和改进上，如扩展IHS变换、非负矩阵分解等，然而这些方法通常会引入较大的光谱失真，影响融合图像的可用性和有效性。

在扩展IHS变换中，将高光谱图像标记为L₁-L_n，首先将L₁-L₃作为伪RGB图像进行IHS变换，将变换所得的I层与L₄、L₅合并为新的伪RGB图像进行IHS变换，重复该过程直至分解完毕。将最后一轮迭代所得的I图层与高分辨率多光谱图像进行传统方式的图像融合(如基于小波变换的图像融合等)，得到新的I图层。最后，根据变换时的迭代顺序，进行扩展IHS逆变换，最终获得融合的高光谱图像。该算法是对IHS变换的简单泛化，在迭代变换的过程中会累积失真，使得融合图像的光谱失真十分严重，影响融合高光谱图像的可用性。

在非负矩阵分解算法中，将高光谱图像分解为与多光谱图像像素个数相同的权值和基底，然后根据多光谱图像的像素值对分解得到的权值进行加成，最后将新的权值和基底相乘，获得融合的高光谱图像。该方法较扩展IHS变换而言，其重构过程无需迭代，不会引起光谱失真的累积。然而，由于暂无较好的、有明确物理意义的权值加成算法，该方法仍旧不可避免的引入光谱失真，影响后续融合处理的精度。

发明内容

本发明的目的是针对传统算法光谱失真严重，影响融合结果可用性的的缺点，提出一种全新的基于端元提取与光谱解混的高光谱图像融合方法。

本发明的目的是这样实现的：

(1)使用N-FINDR算法进行端元提取：

(1.1)给定高光谱数据X＝{x₁,x₂,…,x_N}，N为高光谱数据所含有的像元个数，随机选取其中n个像元作为初始像元集E_o；

(1.2)计算E_o中的初始构成的体积V(E_o)，依次替换其中的端元为高光谱数据X中能使得新体积增大的像元，重复该过程使得不再出现体积更迭，E_o中的端元构成的体积最大，为选择需要提取出的端元：

(2)使用光谱解混技术获取各像素中各端元的丰度值：令S为端元提取所得的端元矩阵，Z为高光谱数据中的像元，丰度矩阵A为：

A＝argmin||AS-Z||₂；

(3)以丰度矩阵A为先验知识，通过模糊C均值聚类算法对多光谱图像的像素进行分类标记，再根据标记结果和端元光谱进行融合图像重构：

(3.1)对高光谱图像中的每个混合像元对应的在多光谱图像中的像素集D(d₁,d₂,…,d_n)，共有n个像素，C个分类，更新隶属度矩阵u_ik和聚类中心v_i；

其中，d_ik代表像素d_k与聚类中心v_i的距离，m是模糊系数，取值为2；

(3.2)重复步骤(3.1)，使得聚类中心v_i收敛：

其中ε为正数；

(3.3)对聚类中心收敛后的隶属度矩阵作归类：

(4)对步骤(3)求得的分类结果，根据标记的类别将端元光谱赋值给高光谱图像的各像素，获得重构的融合高光谱图像。

本发明的有益效果在于：