基于稀疏图编码的高光谱遥感图像本征分解方法及系统技术方案

基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明专利技术解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明专利技术包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像

【技术实现步骤摘要】
基于稀疏图编码的高光谱遥感图像本征分解方法及系统
本专利技术属于图像处理领域，具体涉及基于稀疏图编码的高光谱遥感图像本征分解方法及系统。
技术介绍
近年来，遥感成像技术不断发展，携带高光谱传感器的卫星系统能采集来自不同波长的地表反射率数据，得到的高光谱图像包含丰富的光谱和空间信息，对不同地物的精确分类具有重要意义。为了充分利用高光谱图像的光谱和空间信息，需要对其进行有效的特征提取，这也是近二十年来高光谱图像分类的重要研究课题。本征分解是指从原始数据中去除光照或阴影造成的影响，实现恢复反射率分量的目的，该过程可以大大提高后续高光谱图像的分类性能，这也是高光谱图像处理技术的一个重要预处理步骤。一般要求生成的反射率分量在保持图像边界的同时，能尽可能地改善类内光谱反射率的均匀性。目前的本征分解方法主要针对RGB图像开展，计算机视觉领域已经提出了很多针对RGB图像的本征分解算法。但是目前的本征分解算法没有考虑高光谱图像所特有的地物分布复杂多样的问题，且高光谱图像在表示空间相似性方面采用距离度量的方式，从而导致目前的本征分解方法应用于高光谱图像中会导致图像出现不同地物混叠的问题，无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低。
技术实现思路
本专利技术目的是为了解决目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题，而提出了基于稀疏图编码的高光谱遥感图像本征分解方法及系统。基于稀疏图编码的高光谱遥感图像本征分解方法，包括以下步骤：步骤一、构建高光谱遥感图像的稀疏图编码字典，包括以下步骤：步骤一一、获得高光谱遥感图像；步骤一二、将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像步骤一三、将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像步骤一四、根据获得高光谱遥感图像中每个像素的稀疏图编码字典；步骤二、根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；步骤三、根据步骤一获得的和步骤二获得的稀疏图相似度矩阵获得高光谱图像的反射率分量。基于稀疏图编码的高光谱遥感图像本征分解系统用于实现基于稀疏图编码的高光谱遥感图像本征分解方法。本专利技术的有益效果为：本专利技术考虑高光谱遥感图像所独有的地物分布复杂多样的问题，利用稀疏图编码表示高光谱图像内的空间相似性，避免了不同地物间的混叠，有效地保持了地物边界，进而提高针对高光谱图像反射率分量生成的精度。附图说明图1为本专利技术的流程图；图2(a)为实验原始图像；图2(b)为实验真值图像；图2(c)本专利技术的结果图；图3是基于稀疏图编码的高光谱遥感图像本征分解系统的模块示意图。具体实施方式具体实施方式一：本实施方式基于稀疏图编码的高光谱遥感图像本征分解方法，具体过程为：步骤一、构建高光谱遥感图像的稀疏图编码字典，包括以下步骤：步骤一一、获得高光谱遥感图像：其中，H＝[H1,H2,…,Hn]∈Rd×n，H是高光谱遥感图像，n为高光谱遥感图像上的像素总数，d表示高光谱遥感图像H的光谱维度，Rd×n是实数域上大小为d×n的矩阵的集合，ρ是反射率分量，1n是n×1的全1列向量，是1×n的全1行向量，1d是d×1的全1列向量，β＝[β1,β2,…,βn]T是n×1方向矩阵的列向量，βT是n×1方向矩阵的行向量，E是环境光照，E＝[E(λ1),E(λ2),…,E(λd)]T∈Rd×1，λ代表光照波长。步骤一二、将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像其中，Id是d×d的单位矩阵，1dT是d×1的全1行向量，是去除由于物体表面几何分布引起的光谱变化后的高光谱遥感图像。步骤一三、将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像其中，In是n×n的单位矩阵，是消除由于随空间分布变化的光照引起的光谱变化后的高光谱遥感图像；步骤一四、获得高光谱遥感图像中每个像素的稀疏图编码字典：其中，i＝1,2,…,n是高光谱遥感图像中的像素，n是高光谱遥感图像中的像素总数，Rd×(d+n-1)是实数域上大小为d×(d+n-1)的矩阵的集合。步骤二、根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵，包括以下步骤：步骤二一、根据优化准则获得高光谱遥感图像中第i个像素的系数向量，所述优化准则如下：其中，αi∈Rd+n-1是高光谱遥感图像中第i个像素的系数向量，Rd+n-1是实数域上大小为d+n-1的矩阵的集合。步骤二二、建立稀疏图相似矩阵的定义，并获取矩阵中定义的元素之间的关系：其中，ρi是高光谱遥感图像中第i个像素的反射率，ρj是高光谱遥感图像中第j个像素的反射率，W∈Rn×n是稀疏图U＝(V,W)对应的稀疏图相似度矩阵，V是顶点集，W(i,j)是稀疏图相似度矩阵中的元素；其中，i＝1,2,…,n，j＝1,2,…,n；所述顶点集V由像素向量组成。步骤二三、获得稀疏图相似度矩阵的每个元素W(i,j)与系数向量αi之间的关系，并根据获得的关系获得稀疏图相似度矩阵中的每个元素：其中，是系数向量αi中第j个元素，系数向量αi中第j-1个元素；只需要判断i和j的大小，就可以将等式右边的值赋给等式左边。重复判断n2次，相似度矩阵W的所有元素都能成功被赋值；步骤二四、相似度矩阵中所有的元素构成高光谱图像H的稀疏图相似度矩阵W。步骤三、根据步骤一获得的消除由于随空间分布变化的光照引起的光谱变化后的高光谱遥感图像和步骤二获得的稀疏图相似度矩阵获得高光谱图像的反射率分量，包括以下步骤：其中是本征分解矩阵的定义公式。由于整个运算过程是在对数域进行的，因此最终求得的反射率分量施加了反变换使它回到原来的域。具体实施方式二：基于稀疏图编码的高光谱遥感图像本征分解系统用于实现基于稀疏图编码的高光谱遥感图像本征分解方法，所述系统包括：获取模块、构造模块、计算模块、分解模块(图3)；所述获取模块用于获取高光谱遥感图像；所述构造模块用于构建高光谱遥感图像的稀疏图编码字典；所述计算模块用于求解稀疏图的相似度矩阵；所述分解模块用于分解得到高光谱遥感图像的反射率分量。具体实施方式三：所述获取模块用于获取高光谱遥感图像，包括以下步骤：其中，H＝[H1,H2,…,Hn]∈Rd×n，H是高光谱遥感图像，n为高光谱遥感图像上的像素总数，d表示高光谱遥感图像H的光谱维度，Rd×n是实数域上大小为d×n的矩阵的集合，ρ是反射率分量，1n是n×1的全1列向量，是1×n的全1行向量，1d是d×1的全1列向量，β＝[β1,β2,本文档来自技高网...

【技术保护点】
1.基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于所述方法包括以下步骤：/n步骤一、构建高光谱遥感图像的稀疏图编码字典，包括以下步骤：/n步骤一一、获得高光谱遥感图像；/n步骤一二、将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像

【技术特征摘要】
1.基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于所述方法包括以下步骤：
步骤一、构建高光谱遥感图像的稀疏图编码字典，包括以下步骤：
步骤一一、获得高光谱遥感图像；
步骤一二、将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像
步骤一三、将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像
步骤一四、根据获得高光谱遥感图像中每个像素的稀疏图编码字典；
步骤二、根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；
步骤三、根据步骤一获得的和步骤二获得的稀疏图相似度矩阵获得高光谱图像的反射率分量。


2.根据权利要求1所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤一一中获得高光谱遥感图像，包括以下步骤：



其中，H＝[H1,H2,…,Hn]∈Rd×n，H是高光谱遥感图像，n为高光谱遥感图像上的像素总数，d表示高光谱遥感图像H的光谱维度，Rd×n是实数域上大小为d×n的矩阵的集合，ρ是反射率分量，1n是n×1的全1列向量，是1×n的全1行向量，1d是d×1的全1列向量，β＝[β1,β2,…,βn]T是n×1方向矩阵的列向量，βT是n×1方向矩阵的行向量，E是环境光照，E＝[E(λ1),E(λ2),…,E(λd)]T∈Rd×1，λ代表光照波长。


3.根据权利要求2所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤一二中将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像包括以下步骤：



其中，Id是d×d的单位矩阵，1dT是d×1的全1行向量，H是去除由于物体表面几何分布引起的光谱变化后的高光谱遥感图像。


4.根据权利要求3所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤一三中将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像包括以下步骤：



其中，In是n×n的单位矩阵，是消除由于随空间分布变化的光照引起的光谱变化后的高光谱遥感图像。


5.根据权利要求4所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤一四中获得高光谱遥感图像中每个像素的稀疏图编码字典，包括以下步骤：



其中，i＝1,2,…,n是高光谱遥感图像中的像素，n是高光谱遥感图像中的像素总数，Rd×(d+n-1)是实数域上大小为d×(d+n-1)的矩阵的集合。


6.根据权利要求5所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤二中根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵，包括以下步骤：
步骤二一、根据优化准则获得高光谱遥感图像中第i个像素的系数向量；
步骤二二、建立稀疏图相似矩阵的定义，并获取矩阵中定义的元素之间的关系；
步骤二三、获得稀疏图相似度矩阵的每个元素W(i,j)与系数向量αi之间的关系，并根据获得的关系获得稀疏图相似度矩阵中的每个元素；
步骤二四、相似度矩阵中所有的元素构成高光谱图像H的稀疏图相似度矩阵W。


7.根据权利要求6所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤二一中根据优化准则获得高光谱遥感图像中第i个像素的系数向量，所述优化准则如下：



其中，αi∈Rd+n-1是高光谱遥感图像中第i个像素的系数向量，Rd+n-1是实数域上大小为d+n-1的矩阵的集合。


8.根据权利要求7所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤二二中矩阵中定义的元素之间的关系如下：



其中，ρi是高光谱遥感图像中第i个像素的反射率，ρj是高光谱遥感图像中第j个像素的反射率，W∈Rn×n是稀疏图U＝(V,W)对应的稀疏图相似度矩阵，V是顶点集，W(i,j)是稀疏图相似度矩阵中的元素；
其中，i＝1,2,…,n，j＝1,2,…,n；
所述顶点集V由像素向量组成。


9.根据权利要求8所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤二三中获得稀疏图相似度矩阵的每个元素W(i,j)与系数向量αi之间的关系，包括以下步骤：



其中，是系数向量αi中第j个元素，系数向量αi中第j-1个元素。


10.根据权利要求9所述的基于稀疏图编码的高光谱遥感图像本征分解方法，其特征在于：所述步骤二三中根据获得的...

【专利技术属性】
技术研发人员：谷延锋，谢雯，金旭东，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23