基于高光谱图像解混的地物识别方法

摘要

本发明公开了一种基于高光谱图像解混的地物识别方法，主要解决现有方法判断混合像素点所属地物类别不准确的问题。其实现步骤为：输入一幅高光谱图像，将该高光谱图像中的混合像素点按列排成一个矩阵，组成数据矩阵；用数据矩阵的流形约束，丰度矩阵的稀疏约束和端元矩阵的平滑约束构成的约束项，加入到NMF算法的目标函数里，构成新的目标函数；对新的目标函数进行优化解混，得到该高光谱图像解混之后的端元矩阵和丰度矩阵；根据解混之后的端元矩阵和丰度矩阵判断该高光谱图像中所有混合像素点的地物类别。本发明能提高解混得到的端元值和丰度值的精度，从而提高了高光谱图像地物识别的精度，可用于目标跟踪。

主权项

1.一种基于高光谱图像解混的地物识别方法，包括如下步骤： （1）输入一幅高光谱图像X∈R^M×N×L，并将该高光谱图像中混合像素点X_ij∈R^1×L按列排列，构成数据矩阵Z∈R^L×B，其中M和N为二维图像的行和列，i和为j为二维图像的横坐标和纵坐标，L为谱段数，B为高光谱图像中混合像素点总数，B＝M×N，R表示实数集合； （2）根据流形假设理论，构造数据矩阵Z的流形约束项： 其中z_i是Z的第i列，z_j是Z的第j列，且z_i是z_j的k个近邻中的一个，S是丰度矩阵，s_i是S的第i列，s_j是S的第j列，，W是Z的权值矩阵，W_ij是W的一个元素，为z_i和z_j的权值，Tr(·)表示矩阵的迹，T表示矩阵的转置，D是Z的对角线权值矩阵，D_ii是D对角线上的一个元素，D_ii＝Σ_jW_ij，Y是流形系数矩阵，Y＝D-W；（3）根据高光谱图像成像理论，在丰度矩阵S中加入L_1/2范数，得到稀疏约束表达式‖S‖_1/2，以作为丰度矩阵S的稀疏约束项； （4）根据高光谱图像成像理论，在端元矩阵M中加入Frobenius范数，得到平滑约束表达式以作为端元矩阵M的平滑约束项；（5）将步骤(2)-(4)得到的三个约束项添加到NMF算法的目标函数里，以构成新的目标函数：其中，α为丰度矩阵S的稀疏约束正则参数，β为端元矩阵M的平滑约束正则参数，γ为数据矩阵Z的流形约束正则参数； （6）对步骤（5）得到的目标函数f’（M，S）用迭代乘法进行优化求解，得到高光谱图像X∈R^M×N×L的端元矩阵M和丰度矩阵S； （7）将上述高光谱图像X∈R^M×N×L中混合像素点X_ij用步骤（6）求解得到的端元矩阵M和丰度向量s_i表示，即混合像素点X_ij＝Ms_i； （8）根据高光谱图像统计分布理论，由步骤（7）中的丰度向量s_i对混合像素点X_ij进行地物类别判断，即当max(s_i)=s_ai时，则判混合像素点X_ij属于第a类，得到该混合像素点的类别标签为v_ij=a，其中max(·)表示取向量中的最大值，a＝1,2,...,P表示该高光谱图像中相应的地物类别编号，P表示该高光谱图像中地物类别总数，s_ai是s_i的第a个元素； （9）对上述高光谱图像X∈R^M×N×L中所有混合像素点用步骤（8）的操作进行地物类别判断，得到该高光谱图像X∈R^M×N×L的地物类别矩阵V∈R^M×N。