一种基于核原型样本分析的光谱解混方法

摘要

本发明涉及一种基于核原型样本分析的光谱解混方法。本发明包括：采集待处理的高光谱数据；确定整体流程的参数；对输入图像数据预处理；在预处理后的数据上采用基于核原型样本分析方法实现光谱解混。本发明实施简单，光谱解混的过程不用独立拆解为端元提取和解混两个过程，可以处理无纯端元存在的解混情况，及不同混合程度数据最优端元选择和解混问题。此外最终提取结果物理含义明确，对数据的解译性更强。同时该方法结果相对非负矩阵分解光谱解混的结果更稳定，精度更好。

主权项

一种基于核原型样本分析的光谱解混方法，其特征在于：（1）采集待处理的高光谱数据X，X∈R^M×N，其中M为光谱向量的维数，N为数据所有像元的数目；（2）确定整体流程的参数，包括图像数据要提取的端元数目D，设置核参数σ，松弛因子δ；（3）对输入图像数据预处理：利用PCA降维算法提取前D‑1个主分量，即X'∈R^(D‑1)×N；（4）在预处理后的数据上采用基于核原型样本分析方法实现光谱解混：在给定数据集X'∈R^(D‑1)×N，D为原型向量的个数，寻找包含数据集的主凸包，包含数据集的D‑1维凸包为：$\arg {\min }_{C,S}D\left(X^{\prime }\right|\mathrm{SCS})=\left|\right|X^{\prime }-X^{\prime }\mathrm{CS}{\left|\right|}_F^2$s.t.|c_d|₁=1,|s_n|₁=1C≥0,S≥0其中d,n分别为D,N所代表的列序号，C∈R^N×D和S∈R^D×N将会得到主凸包；X'C∈R^(D‑1)×D为分解估计所得的原型向量矩阵，S为丰度矩阵，得到端元阵X'C和丰度矩阵S。