一种基于归一化地物子空间投影的光谱解混方法

技术领域

本发明涉及光谱解混技术领域，具体涉及一种基于归一化地物子空间投影的光谱解混方法。

背景技术

随着科学技术的发展，遥感对地观测技术日益成熟，已经逐渐成为获取空间地理信息的重要手段之一。但是由于高光谱成像仪空间分辨率的限制以及自然界地物的复杂性，获得的遥感图像的某些像素可能是几种不同物质光谱的混合，即混合像元。如何有效地实现混合像元分解，已经成为遥感研究的一个重要方向。混合像元的精确分解对于高精度地物分类以及地面目标检测和识别方面有重要的应用价值，使遥感应用由像元级到达亚像元级。

全约束条件下的最小二乘准则和正交子空间投影是线性光谱解混的主要方法，但由于缺乏物理约束条件，使得计算出的组分丰度出现负值，不适用于定量分析与评价。

发明内容

本发明的目的在于提供一种基于归一化地物子空间投影的光谱解混方法，提出了一种新的光谱解混方法，即归一化地物子空间投影。该方法借助一条已知的基准端元消除了组分之间的相关性，且利用基准端元对端元矩阵和影像矩阵进行了平移，消除了像元在端元方向投影时原点引起的错误；模拟AVIRIS数据和真实PHI高光谱解混实验结果表明，与约束条件下的OSP分类器以及最小二乘法相比，NMSP在光谱解混中可以得到更加合理的地物组分丰度，保持了端元丰度“非负”和稀疏的物理特性，以解决上述背景技术中提出的问题。

为实现上述目的，本发明采用了如下技术方案：

一种基于归一化地物子空间投影的光谱解混方法，具体包括以下步骤：

步骤S1：定义端元光谱空间，即地物子空间为标准基，根据线性空间的定义可知高光谱影像可以表示为地物子空间的扩展空间；

步骤S2：利用基准端元同时对端元矩阵和影像矩阵进行了平移，消除了像元在端元方向投影时原点引起的错误，根据坐标平移性质可知该过程不会改变端元与像元的几何关系，即端元在影像中的组分丰度；

步骤S3：公式修正，实际影像在成像过程中受到各种因素的影响，使得端元组分丰度很难满足“非负”的约束条件。因此，为了获得最接近地物的真实组分丰度，需要对求解结果进行修正；

步骤S4：实验与分析，分别采用模拟的AVIRIS数据和真实PHI数据集进行实验和分析，并与全约束条件下的OSP分类器或者线性解混模型解混结果进行对比；两者求解原理和结果是一致的，只需列出全约束条件下的最小二乘结果进行对比；

步骤S5：模拟数据解混，从USGS光谱库中随机选择3种矿物光谱，对光谱波段进行重采样，获得和AVIRIS传感器波谱分辨率一致的波谱，波长范围为0.38-2.5μm，光谱分辨率10nm；

步骤S6：真实数据解混，采用光谱梯度特征搜索算法直接从影像中提取端元，根据解混误差可知前8组端元基本覆盖了所有地物，通过利用像元的地物组成特性与子空间投影间的对应关系对投影结果进行修正，在一定程度上避免了影像噪声对解混结果的干扰。根据影像的地物分布，可以看出NMSP求得的端元组分丰度保持性和空间连续性。

优选的，步骤S3中的所述公式修正中，是在非理想状态下，在理想情况下即无噪声的影响，所有影像数据都位于由端元组成的单形体内，根据最小二乘准则求取的组分丰度接近地物的真实组分丰度，即投影系数不存在大于1或小于0的情况，即所有组分丰度都应该满足“非负”，无需修正。

优选的，所述模拟数据的光谱解混精度利用光谱解混均方根误差表示，真实数据的解混误差利用高光谱重建图像重建误差的均方根误差来衡量。

优选的，从端元组分丰度的最值结果可以看出，OSP方法出现“负值”与“大于1”的情况，而NMSP的组分丰度满足“非负”与“不大于1”的物理约束。从解混结果的均方根误差可以看出NMSP方法的解混均方根误差(0.275×10-3)要小于OSP方法，说明解混精度有所提高。

优选的，通过模拟的AVIRIS数据和真实PHI数据集进行对比，可以看出，两种方法的解混结果整体上是一致的，即二者都可以实现对影像进行定性分类。但在地物的比例丰度数值上可以看出后者出现很多噪声信息，说明NMSP比FCLS的解混结果更加合理，即不会引入非组成地物参与像元的光谱解混。

优选的，所述FCLS算法是追求解混误差最小，求解结果只是数值上的最优解，没有考虑像元的实际混合情况，导致结果中出现所有端元都参与解混。而NMSP实质上是FCLS算法的改进。

本发明的技术效果和优点：本发明提出的一种基于归一化地物子空间投影的光谱解混方法，与现有技术相比，

1、该算法借助一条已知的基准端元消除了组分之间的相关性，简化了约束条件下组分丰度的求解公式。同时利用基准端元对端元矩阵和影像矩阵进行了平移，消除了像元在端元方向投影时原点引起的错误。

2、针对实际影像成像条件，该算法根据像元的地物组成特性与子空间投影间的对应关系对投影结果进行修正，避免了影像噪声对解混结果的干扰。

3、与全约束条件下的OSP分类器以及最小二乘法相比，该算法物理意义明晰，操作简单，消除了光谱解混中非组成端元的参与，结果更可靠。

4、模拟数据和真实高光谱解混实验结果表明，NMSP计算出的端元组分丰度具有稀疏性，更接近地物的真实组分和丰度。

附图说明

图1为本发明一种基于归一化地物子空间投影的光谱解混方法的控制流程图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了如图1所示的一种基于归一化地物子空间投影的光谱解混方法，具体包括以下步骤：

一种基于归一化地物子空间投影的光谱解混方法，具体包括以下步骤：

步骤S1：定义端元光谱空间，即地物子空间为标准基，根据线性空间的定义可知高光谱影像可以表示为地物子空间的扩展空间；

步骤S2：利用基准端元同时对端元矩阵和影像矩阵进行了平移，消除了像元在端元方向投影时原点引起的错误，根据坐标平移性质可知该过程不会改变端元与像元的几何关系，即端元在影像中的组分丰度；

步骤S3：公式修正，实际影像在成像过程中受到各种因素的影响，使得端元组分丰度很难满足“非负”的约束条件。因此，为了获得最接近地物的真实组分丰度，需要对求解结果进行修正；

步骤S4：实验与分析，分别采用模拟的AVIRIS数据和真实PHI数据集进行实验和分析，并与全约束条件下的OSP分类器或者线性解混模型解混结果进行对比；两者求解原理和结果是一致的，只需列出全约束条件下的最小二乘结果进行对比；

步骤S5：模拟数据解混，从USGS光谱库中随机选择3种矿物光谱，对光谱波段进行重采样，获得和AVIRIS传感器波谱分辨率一致的波谱，波长范围为0.38-2.5μm，光谱分辨率10nm；

步骤S6：真实数据解混，采用光谱梯度特征搜索算法直接从影像中提取端元，根据解混误差可知前8组端元基本覆盖了所有地物，通过利用像元的地物组成特性与子空间投影间的对应关系对投影结果进行修正，在一定程度上避免了影像噪声对解混结果的干扰。根据影像的地物分布，可以看出NMSP求得的端元组分丰度保持性和空间连续性。

具体的，步骤S3中的所述公式修正中，是在非理想状态下，在理想情况下即无噪声的影响，所有影像数据都位于由端元组成的单形体内，根据最小二乘准则求取的组分丰度接近地物的真实组分丰度，即投影系数不存在大于1或小于0的情况，即所有组分丰度都应该满足“非负”，无需修正。

具体的，所述模拟数据的光谱解混精度利用光谱解混均方根误差表示，真实数据的解混误差利用高光谱重建图像重建误差的均方根误差来衡量。

具体的，从端元组分丰度的最值结果可以看出，OSP方法出现“负值”与“大于1”的情况，而NMSP的组分丰度满足“非负”与“不大于1”的物理约束。从解混结果的均方根误差可以看出NMSP方法的解混均方根误差(0.275×10-3)要小于OSP方法，说明解混精度有所提高。

具体的，通过模拟的AVIRIS数据和真实PHI数据集进行对比，可以看出，两种方法的解混结果整体上是一致的，即二者都可以实现对影像进行定性分类。但在地物的比例丰度数值上可以看出后者出现很多噪声信息，说明NMSP比FCLS的解混结果更加合理，即不会引入非组成地物参与像元的光谱解混。

具体的，所述FCLS算法是追求解混误差最小，求解结果只是数值上的最优解，没有考虑像元的实际混合情况，导致结果中出现所有端元都参与解混。而NMSP实质上是FCLS算法的改进。

本发明提出的一种基于归一化地物子空间投影的光谱解混方法，与现有技术相比，该算法借助一条已知的基准端元消除了组分之间的相关性，简化了约束条件下组分丰度的求解公式。同时利用基准端元对端元矩阵和影像矩阵进行了平移，消除了像元在端元方向投影时原点引起的错误；针对实际影像成像条件，该算法根据像元的地物组成特性与子空间投影间的对应关系对投影结果进行修正，避免了影像噪声对解混结果的干扰；与全约束条件下的OSP分类器以及最小二乘法相比，该算法物理意义明晰，操作简单，消除了光谱解混中非组成端元的参与，结果更可靠；模拟数据和真实高光谱解混实验结果表明，NMSP计算出的端元组分丰度具有稀疏性，更接近地物的真实组分和丰度。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。