基于亚像元映射的高光谱图像超分辨重建方法

摘要

基于亚像元映射的高光谱图像超分辨重建方法，首先进行亚像元映射，采用混合像元分解方法获取原始高光谱遥感图像中每个像元内各种地物的比例值，再将原始高光谱遥感图像中的每个像元即粗像元划分为n￡n个亚像元，其中n为预定义的分辨率放大倍数；然后根据已知的每种地物在每个像元中的丰度值，将每个亚像元随机分配为某一种地物，即得到初始化的地物分布图像；最后根据迭代优化准则，利用模拟退火算法得到一幅分辨率是原始图像n倍的地物分布图像；最终基于亚像元映射进行超分辨重建，本发明同时考虑了地物的局部和全局分布特性，避免了仅针对地物分布的局部特性求解时带来的不真实性，使得能够从地物分布图像得到高光谱遥感图像。

主权项

基于亚像元映射的高光谱图像超分辨重建方法，其特征在于，包括以下步骤：步骤1，亚像元映射；步骤1.1，采用混合像元分解方法获取原始高光谱遥感图像中每个像元内各种地物的比例值，称为丰度值；步骤1.2，将原始高光谱遥感图像中的每个像元称为粗像元，将每个粗像元划分为n×n个亚像元，其中n为预定义的分辨率放大倍数；步骤1.3，根据已知的每种地物在每个像元中的丰度值，将每个亚像元随机分配为某一种地物，即得到初始化的地物分布图像；步骤1.4，根据迭代优化准则，利用模拟退火算法对已初始化的地物分布图像进行迭代优化，直至满足迭代终止条件，所述的迭代优化准则基于地物分布的局部连续性和地物分布的全局相似性，其中，地物分布的局部连续性，是指在局部范围内同样类别的地物比不同种类别的地物分布的要近；地物分布的全局相似性，是指在全局范围内具有相似比例地物组成的粗像元内的地物分布具有相似性，由此任一像元可以由与其地物分布相似的像元表示；以下目标函数作为所述的迭代优化准则：$\min \underset{i=1}{\overset{c}{\Sigma }}\underset{t}{\Sigma }{\left|\right|x_t^i-{\mu }_i\left|\right|}_2^2+\eta {\left|\right|p-{\Sigma }_j{\alpha }_j{q}_j\left|\right|}_2^2$其中，t用于索引待处理像元及其邻域内属于地物i的亚像元，c指地物类别数目，$x_t^i=\left[\begin{array}{c}{x}_t^i\\ y_t^i\end{array}\right],{\mu }_i=\left[\begin{array}{c}{\mu }_{\mathrm{ix}}\\ {\mu }_{\mathrm{iy}}\end{array}\right],$指属于地物类别i的亚像元的横坐标和纵坐标，μ_ix，μ_iy分别指的平均值，η是正则化因子，q_j是与像元p具有相似性的像元，其选择依据是f(p)是由像元p及其邻域的丰度值组成的特征向量，th是一预设的阈值，如果某一像元q_j的特征向量属于前J个与f(p)相似的向量，其中j≤J，那么该像元q_j就被认为是像元p的相似像元，因此在像元p内的亚像元分布可以由像元q_j内亚像元分布的线性组合来表示，即α_j是er_j的归一化倒数，此目标函数第一项代表地物分布的局部连续性，第二项代表地物分布的全局相似性；由此得到一幅分辨率是原始图像n倍的地物分布图像；步骤2，基于亚像元映射的超分辨重建方法；将步骤1得到的地物分布图像划分为一系列大小为m×m,1≤m≤n的子图像块，对于每个子图像块重新计算其中包含各种地物的比例，然后用该比例值乘以混合像元分解方法中得到的纯净端元地物光谱，并线性相加得到该子图像块的光谱曲线，从而得到分辨率是原始图像的n/m倍的高光谱遥感图像。