[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

摘要

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。本发明包括使用N‑FINDR算法进行端元提取；使用光谱解混技术获取各像素中各端元的丰度值；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；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。本发明由于采用端元提取技术提取并保留端元光谱信息，整个融合过程并不引入系数变换步骤，故不造成光谱失真，因此，本发明较现有的高光谱图像融合算法具有更好的光谱保真度。

主权项

一种基于端元提取与光谱解混的高光谱图像融合方法，其特征在于，包括如下步骤：(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,…,xN}，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Eo；(1.2)计算Eo中的初始构成的体积V(Eo)，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，Eo中的端元构成的体积最大，为选择需要提取出的端元：V(Eo)=1n!|EoTEo|]]>{Eo*}=argmax{V(Eo)};]]>(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,…,dn)，共有n个像素，C个分类，更新隶属度矩阵uik和聚类中心vi；uik=1Σj=1C(dikdjk)2/(m-1),1≤k≤n,1≤i≤C;]]>vi=Σk=1n(uik)mxkΣk=1n(uik)m,1≤i≤C;]]>其中，dik代表像素dk与聚类中心vi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vi收敛：Σi=1C|vi(k)-vi(k-1)|<ϵ;]]>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：Class(r1,r2,...,rn)=argmax(Σr1u1k+Σr2u2k+...+Σrnunk);]]>(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。