[发明专利]一种含噪高光谱图像快速解混方法

说明书

本发明公开了一种含噪高光谱图像快速解混方法，包括以下步骤：采用VCA算法提取含噪声的端元光谱；对提取的端元光谱进行SSA算法去噪；利用去噪后的端元光谱根据最小二乘法进行丰度估计；本发明方法直接对原始的高光谱图像的端元进行提取，并对端元光谱进行去噪，然后利用去噪后的端元进行丰度估计，实现高光谱图像的解混，该方法避免了现有方法在第一步中所产生的误差，同时也解决了原始图像去噪过程中重要信息丢失而降低解混精度的问题，此外，本方法对端元光谱去噪，数据量小，解决了图像去噪后解混技术效率低的问题，本方法不仅可以提高解混精度，操作简单而且处理速度快。

技术领域

本发明涉及高光谱图像解混技术领域，尤其涉及一种含噪高光谱图像快速解混方法。

背景技术

混合像元在高光谱图像上广泛存在，它影响了基于高光谱图像的地物识别精度，图像中噪声的存在对解混结果的稀疏性及稳定性有较大影响，因此，含噪高光谱图像的快速解混在应急事件中的地物精细分类发挥着重要作用，同时也对地面目标检测有着重要的意义；

噪声问题的解决国内外的研究学者提出了各种各样的有效方法，至今，去噪方法主要分为以下三类：第一是基于一维频谱域的去噪方法，该类方法将光谱影像看作是含有噪声的光谱曲线集合，对每条光谱曲线进行噪声去除，算法实现相对简单；其次是基于二维空间域的去噪方法，这类方法仅利用高光谱的空间信息，也就是高光谱的单波段影像看作不同的灰度影像，但是按影像波段去除噪声使得频谱域的信息被忽略；第三是基于三维空间域和波谱域相结合的去噪方法，该方法充分利用了高光谱遥感影像的特征，相对与前面两类算法来说，这类算法实现难度较大；

到目前为止，解混技术已经有几十年的发展历史，国内外解混的主要方法可以分为4类：几何分析方法、统计分析方法、稀疏回归分析方法以及光谱-空间联合分析方法；以往含噪高光谱图像解混是先对整幅图像去噪然后再对图像解混，这虽然能得到较好的图像去噪效果，但同时具有以下几个缺点：1)在图像去噪过程中，可能会破坏地物的空间相关性或丢失图像中部分有用信息，对解混造成不利的影响；2)高光谱图像数据量大，对图像去噪所需的时间较长，效率低；3)去噪和解混分步进行，容易造成误差累积，影响最终的解混精度。因此，在实际应用中，以往的方法会受到图像去噪速度的制约，无法实现含噪高光谱图像的快速解混，在图像去噪过程中，受各种去噪方法的影响，原始图像可能会发生部分改变并产生新的实验误差，这可能对进一步的解混问题产生干扰，导致低的解混精度对目标检测和亚像元分类等产生不利影响，因此，本发明提出一种含噪高光谱图像快速解混方法，以解决现有技术中的不足之处。

发明内容

针对上述问题，本发明提出一种含噪高光谱图像快速解混方法，本发明方法直接对原始的高光谱图像的端元进行提取，并对端元光谱进行去噪，然后利用去噪后的端元进行丰度估计，实现高光谱图像的解混，该方法避免了现有方法在第一步中所产生的误差，同时也解决了原始图像去噪过程中重要信息丢失而降低解混精度的问题；此外，本方法对端元光谱去噪，数据量小，解决了图像去噪后解混技术效率低的问题，本方法不仅可以提高解混精度，操作简单而且处理速度快。

本发明提出一种含噪高光谱图像快速解混方法，包括以下步骤：

步骤一：采用VCA算法提取含噪声的端元光谱，基于凸面几何理论在假设数据中存在纯像元的情况下提取端元，利用凸锥来对数据进行建模，在超平面上的投影为由端元作为顶点的单体，将数据投影到选择的超平面上，VCA将所有影像上的像元投影到随机方向上，并将具有最大投影的像元作为第一个端元，通过迭代地将数据投影到与由已提取端元构成的子空间正交的方向上的方法来提取其余端元，被极限投影所对应的像元作为新的端元；

步骤二：对提取的端元光谱进行SSA算法去噪，利用端元提取算法提取端元光谱Y，计算其轨迹矩阵X，然后进行奇异值分解、分组和重构；

步骤三：利用去噪后的端元光谱根据最小二乘法进行丰度估计，丰度估计表达式如公式(1)所示：