[发明专利]一种融合多光谱图像空-谱信息的城建亚像元定位方法

说明书

本发明公开了一种融合多光谱图像空‑谱信息的城建亚像元定位方法，包括如下步骤：（1）利用空间引力模型获得具有城市建筑空间信息的空间项；（2）利用归一化差异城建指数，构建具有光谱信息的光谱项；（3）借助粒子群优化算法将具有空间信息的空间项和具有光谱信息的光谱项进行优化整合获得具有空－谱信息的空‑谱项，并将建筑类别标签分配给指定的属于建筑类别的亚像元，获得最终的亚像元定位结果。本发明旨在建立有效的针对城市建筑的亚像元定位模型，在不需要先验形状信息的前提下，实现亚像定位技术的创新，为遥感图像的广泛应用提供技术支持。

技术领域

本发明涉及一种融合多光谱图像空-谱信息的城建亚像元定位方法，属于遥感信息处理技术领域。

背景技术

在军事战争中，对敌方的目标建筑物进行高空打击是一种常用的作战手段。对于目标建筑物进行军事打击，就需要对目标建筑物进行准确的定位。机载和卫星的多光谱遥感图像是获取目标建筑物区域的重要数据之一。然而恶劣的战争环境使得获得的多光谱遥感图像空间分辨率粗糙并产生大量混合像元，这些混合像元给准确定位目标建筑物带来很大困难。光谱解混作为处理混合像元的重要技术虽然可以提供混合像元内各个地物目标的比例信息，但各个地物目标具体的空间分布情况无法确定。亚像元定位，也称为超分辨率制图，作为光谱解混的后续处理技术可以很好地解决这一问题。亚像元定位技术是通过一定的比例尺度S将每个混合像元细分成S²个亚像元并估计出各亚像元的地物类别，实现了从低分辨率的丰度图像转变成高分辨率的地物目标定位图像的过程。

亚像元定位技术已经成功应用于土地覆盖制图、湖泊海岸边界提取、景观指数计算和变化检测等多方面。常见的亚像元定位方法有Hopfield神经网络、空间引力算法、Back-propagation神经网络，和一些基于合适的超分辨率重构技术的算法。此外，由于亚像元定位是一个病态逆问题，内在的不确定性严重限制了亚像元定位的性能。因此在近年的研究中，亚像元定位方法可以结合多种类型的辅助数据来降低这些不确定性，改善最终目标的定位结果，例如来自同一场景的多位移图像、LIDAR数据、融合图像、高程模型等。来自多光谱图像的目标建筑定位数据不但对于观测城市变化和人口监测有着重要的意义，而且在军事行动对于目标建筑进行打击也是一种重要的参考数据。然而由于外界因素的影响，如环境污染、传感器等硬件设备的限制，使得有时产生的多光谱图像分辨率很粗糙，产生的大量混合像元给城市建筑的定位带来很大困难。现有的城市建筑亚像元定位模型往往需要获得先验形状信息，然而这种信息有时很难获得，也不适用于描述远距离星载多光谱遥感图像中不规则形状的城区建筑。此外，现有的模型没有充分利用多光谱图像的空-谱信息，特别是来自多光谱图像中城市建筑的光谱信息。因此如何建立更加有效的针对建筑物的亚像元定位模型，进一步充分利用多光谱图像提供的空-谱信息，提高城市建筑物定位精度，是一个非常值得研究的基础科学问题，具有较大的军事业务需求和应用前景。

发明内容

本发明所要解决的技术问题是：提供一种融合多光谱图像空-谱信息的城建亚像元定位方法，建立更加有效的针对建筑物的亚像元定位模型，进一步充分利用多光谱图像提供的空-谱信息，提高城市建筑物定位精度。

本发明为解决上述技术问题采用以下技术方案：

一种融合多光谱图像空-谱信息的城建亚像元定位方法，包括如下步骤：

步骤1，将原始多光谱遥感图像通过光谱解混获得具有混合像元属于每个类别比例信息的丰度图像，在比例尺度S下将每个混合像元分解为S²个亚像元，采用空间引力算法区分丰度图像上的城市建筑和非城市建筑，获得具有城市建筑空间信息的空间项；

步骤2，对于原始多光谱遥感图像，采用归一化差异城建指数，构建具有城市建筑光谱信息的光谱项；

步骤3，采用粒子群优化算法将具有城市建筑空间信息的空间项和具有城市建筑光谱信息的光谱项进行优化整合，获得具有空-谱信息的空-谱项，并将建筑类别标签分配给属于建筑类别的亚像元，获得最终的亚像元定位结果。