[发明专利]基于低秩分解和空谱约束的高光谱图像时变特征提取方法

说明书

本发明涉及一种基于低秩分解和空谱约束的高光谱图像时变特征提取方法，主要包括以下步骤：计算在不同时间同一地点采集的两组高光谱遥感图像的差异图像；利用差异图像的内在数据结构特性建立带空谱约束的低秩矩阵分解模型；通过交替迭代的方式求解该模型的各分量，进而提取时域变化特征。本发明充分利用数据的内在结构，提出一种带空谱约束的低秩矩阵分解模型及其求解算法，有效提取时域变化特征、去除多种形式的噪声，增强真实变化、抑制噪声所导致的虚假变化，从而提高时变高光谱遥感图像的变化检测精度。

技术领域

本发明涉及一种基于低秩分解和空谱约束的高光谱图像时变特征提取方法。

背景技术

遥感技术是本世纪六十年代发展起来的新兴综合技术，与空间、电子光学、计算机、地理学等科学技术紧密相关，是研究地球资源环境的有力技术手段。高光谱遥感是将成像技术与光谱技术相结合的多维信息获取技术。高光谱成像仪在电磁波谱的数十至数百个狭窄且连续的波段上同时探测目标的二维几何空间与一维光谱信息，为地物信息的提取和分析提供了极其丰富的数据，从而被广泛应用于地质科学、水文科学、精准农业以及军事领域等。

近年来，高光谱遥感技术被用于对同一地区进行长时间、多时段的观测，随之产生了时变高光谱图像。变化检测是识别多幅图像中变化的技术，已广泛用于灰度图像、彩色图像、多光谱遥感图像的处理，并且可用于时变高光谱图像。现有的时变高光谱图像变化检测方法主要由非时变高光谱图像的处理方法(如目标探测、像元解混)或其他图像(如多光谱图像)的变化检测方法改进而来。这些方法不乏效果优良者，对时变高光谱变化检测的研究做出了重大贡献，例如S.Liu，L.Bruzzone，F.Bovolo，and P.Du，“Hierarchicalunsupervised change detection in multitemporal hyperspectral images，”IEEETrans.Geosci.Remote Sens.，vol.53，no.1，pp.244-260，Jan.2015.提出了“变化端元”的概念，通过层次化的象元解混方法识别出多种主次变化。然而现有研究成果仍存在一定不足：其一，忽视了时变高光谱图像中普遍存在且形式多样化的噪声，包括配准误差、光谱偏差、硬件限制等因素所导致的异常点和热噪声，从而无法有效抑制噪声所产生“虚假变化”；其二，只考虑了高光谱图像的光谱信息，没有充分利用其空间特征或空谱特性。

发明内容

本发明的目的是提供一种带空谱约束的低秩矩阵分解模型及其优化求解算法，从而有效地提取时变高光谱图像的时域变化特征，抑制异常点和热噪声，提高变化检测精度。

为了达到上述目的，本发明的技术方案是提供了一种基于低秩分解和空谱约束的高光谱图像时变特征提取方法，其特征在于，包括以下步骤：

步骤1、计算在不同时间同一地点采集的两组高光谱遥感图像T₁∈R^M×B和T₂∈R^M×B的差异图像Y∈R^M×B，其中Y＝T₁-T₂；M为样本数，即像素个数，令I和J分别表示图像的行数和列数，则有M＝I×J；B为样本维度，即波段数；

步骤2、建立带空谱约束的低秩矩阵分解模型：

Y＝L+S+N (1)

式(1)中，L∈R^M×B为低秩数据，且具有空谱约束所刻画的空谱特性，用于表示时域变化特征(以下简称“时变特征”)；S∈R^M×B为稀疏矩阵，用于描述异常点，即分布稀疏、强度较高的噪声；N∈R^M×B为高斯噪声，一般表示服从高斯分布、强度较低的热噪声。引入变量X∈R^M×B，得到式(1)所述模型的优化求解函数：

式(2)中，τ为约束系数；ε为阈值；|·||_SS为本发明提出的空谱约束项：