專利名稱：一種基于多時(shí)相遙感圖像的亞像元定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種遙感信息處理技術(shù)領(lǐng)域的定位方法。
背景技術(shù)：
遙感圖像中混合像元普遍存在，這些像元通常是幾種類別的混合。光譜解混(又稱軟分類)技術(shù)求解了混合像元中各類別的組分，卻未能給出它們的空間分布。亞像元定位正是一種解決混合像元類各類空間分布的技術(shù)。該技術(shù)按所需放大比例將每個(gè)原始像元分割為多個(gè)亞像元，通過求解各個(gè)類別對(duì)應(yīng)亞像元的空間分布，使得低分辨率遙感圖像中各類地物有著更加細(xì)致的視覺顯示，從而提高遙感圖像的空間分辨率。自Atkinson于1997年提出亞像元定位的理論基礎(chǔ)即空間相關(guān)性以來，多種亞像元定位技術(shù)發(fā)展起來。如經(jīng)典的Hopfield神經(jīng)網(wǎng)絡(luò)、遺傳算法、像元交換技術(shù)和亞像元/ 像元空間引力(sub-pixel/pixel spatial attraction model，SPSAM)，等等。這些技術(shù)將光譜解混所得到的各類混合比例作為約束條件，在整個(gè)求解定位結(jié)果的過程中，只變換各類亞像元的空間位置，而屬于各類的亞像元個(gè)數(shù)被嚴(yán)格限制。這樣，光譜解混過程所引入的誤差會(huì)直接傳遞到亞像元定位處理過程中，這種完全依賴光譜解混結(jié)果的方法導(dǎo)致定位結(jié)果中存在較多孤立像素，精度偏低而無法滿足實(shí)際應(yīng)用要求。不同于以上幾種技術(shù)，基于馬爾可夫隨機(jī)場(chǎng)(Markov random field, MRF)的亞像元定位方法同時(shí)考慮空間信息和光譜信息，且光譜信息約束部分包含了類內(nèi)光譜差異的描述，對(duì)光譜信息的挖掘更為充分。MRF僅將光譜解混的結(jié)果作為一種初始解，在迭代求解過程中孤立像素逐漸被去除，所得定位結(jié)果更加合理，精度也更高。然而，MRF中僅利用待定位低分辨率遙感圖像的光譜信息，光譜約束部分約束條件單一，亞像元定位求解過程欠約束。多時(shí)相遙感圖像是衛(wèi)星對(duì)同一地物場(chǎng)景進(jìn)行多次成像所得的結(jié)果，通常這些低分辨率圖像之間存在著亞像元的位移，這種帶有亞像元位移的多時(shí)相圖像能提供更加豐富的光譜 fn息ο

發(fā)明內(nèi)容
本發(fā)明的目的在于提供具有更高的亞像元定位精度，且采用了 SPSAM進(jìn)行初始化，使得輸出的定位結(jié)果不存在著由于隨機(jī)初始化而引入的不確定性的一種基于多時(shí)相遙感圖像的亞像元定位方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的本發(fā)明一種基于多時(shí)相遙感圖像的亞像元定位方法，其特征是(1)輸入低分辨率遙感圖像，通過光譜解混技術(shù)，得到遙感圖像中各類分量圖，根據(jù)各類分量圖，用SPSAM方法得到亞像元的初始空間分布；(2)從低分辨率遙感圖像中選取待分析像元Pab，《 I,2,…工J I,2,…厶，LjPLb 分別為圖像的柵格行數(shù)和列數(shù)；(3)記Aij為Pab內(nèi)的亞像元Pij受到鄰域亞像元的空間引力，U 1,2,-, S，s為放大比例，Bt, ,j為所對(duì)應(yīng)的第t幅圖的光譜約束項(xiàng)， 1,2,…，Γ，T為多時(shí)相圖的幅數(shù)，包括待定位圖像自身，對(duì)Pij計(jì)算屬于各個(gè)類別c時(shí)的能量函數(shù)U?！?，c 1,2,…，C，C為類別總
數(shù)禮y. a4 J (1 Γ α)去;‘Btll，α為一權(quán)值系數(shù)；(4)找出最小U。, u對(duì)應(yīng)的類別，并將Pij判定為該類；(5)對(duì)Pab內(nèi)的每個(gè)亞像元Pij均進(jìn)行步驟(3)-步驟(4)的操作；(6)對(duì)低分辨率遙感圖像中每個(gè)待分析混合像元進(jìn)行步驟(2)-步驟(5)；(7)重復(fù)上述步驟，直至輸出的前后亞相元定位圖像不同像元個(gè)數(shù)差別小于1%。本發(fā)明的優(yōu)勢(shì)在于本發(fā)明在MRF方法的基礎(chǔ)上，提出一種基于多時(shí)相遙感圖像的亞像元定位方法，將帶有亞像元位移的多時(shí)相圖像的光譜信息加入MRF的光譜約束部分，增加約束條件。相比MRF，本發(fā)明的方法具有更高的亞像元定位精度，且采用了 SPSAM進(jìn)行初始化，使得輸出的定位結(jié)果不存在著由于隨機(jī)初始化而引入的不確定性。


圖1為本發(fā)明的空間引力描述示意圖；圖2為本發(fā)明的多時(shí)相遙感圖像單波段下(大小為2λ2個(gè)像元)的舉例示意圖， 若取S 4，其中(a)為待定位的低分辨率圖，(b)是右移2個(gè)亞像元，下移1個(gè)亞像元的時(shí)相圖，(c)是右移1個(gè)亞像元，下移3個(gè)亞像元的時(shí)相圖，(d)是右移2個(gè)亞像元，下移2個(gè)亞像元的時(shí)相圖，(e) (g)分別給出了(a)中的某黑色亞像元在(b) (d)圖中的位置；圖3為本發(fā)明的流程圖；圖4為本發(fā)明的具體實(shí)施方式
的地物分布圖；圖5為本發(fā)明的具體實(shí)施方式
遙感圖像各個(gè)波段下的灰度圖，從(a) (e)分別為印第安農(nóng)林高光譜遙感數(shù)據(jù)立方體的第17、29、41、97、200波段；圖6為本發(fā)明的S 5時(shí)三類地物的分量圖，從(a) (c)分別為C0、C1和C2的分
量圖；圖7為本發(fā)明的S 5時(shí)各種方法的亞像元定位結(jié)果，從(a) (d)分別為SPSAM、 像元交換技術(shù)、傳統(tǒng)MRF和本發(fā)明方法結(jié)果；圖8為本發(fā)明的S 10時(shí)各種方法的亞像元定位結(jié)果，從(a) (d)分別為SPSAM、 像元交換技術(shù)、傳統(tǒng)MRF和本發(fā)明方法結(jié)果。
具體實(shí)施例方式下面結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)地描述結(jié)合圖1 8，本發(fā)明為一種基于多時(shí)相遙感圖像的亞像元定位方法。下面給出本發(fā)明的詳細(xì)過程步驟一遙感圖像的光譜解混輸入低分辨率遙感圖像，通過光譜解混技術(shù)，得到遙感圖像中混合像元類各類的混合比例即分量圖。步驟二 SPSAM方法的初始化根據(jù)各類分量圖，用SPSAM方法得到具有確定性的亞像元初始空間分布。
步驟三利用多時(shí)相遙感圖像的亞像元定位方法1、從低分辨率遙感圖像中選取待分析像元Pab ( a I,2,…ん，b \,2,…’Lb，La和Lb 分別為圖像的柵格行數(shù)和列數(shù))，操作步驟如下1)記Aij為Pab內(nèi)的亞像元Pij(/J l,2,…，S，S為放大比例)受到鄰域亞像元的 空間引力，而Bt, ^Jpij所對(duì)應(yīng)的第t“ 1,2,…，r，T為多時(shí)相圖的幅數(shù)，包括待定位圖像 自身)幅圖的光譜約束項(xiàng)。Mpu計(jì)算屬于各個(gè)類別c( C 1,2,…，C，c為類別總數(shù))時(shí)的
權(quán)利要求
1. 一種基于多時(shí)相遙感圖像的亞像元定位方法，其特征是(1)輸入低分辨率遙感圖像，通過光譜解混技術(shù)，得到遙感圖像中各類分量圖，根據(jù)各類分量圖，用SPSAM方法得到亞像元的初始空間分布；(2)從低分辨率遙感圖像中選取待分析像元Pab，a=1,2,…，La, b = 1,2,…，Lb, La 和Lb分別為圖像的柵格行數(shù)和列數(shù)；(3)記Aij為Pab內(nèi)的亞像元Pij受到鄰域亞像元的空間引力，i，j= 1,2,…，S, S為放大比例，Bt,u Spu所對(duì)應(yīng)的第t幅圖的光譜約束項(xiàng)，t= 1,2,…，T，T為多時(shí)相圖的幅數(shù)，包括待定位圖像自身，對(duì)Pij計(jì)算屬于各個(gè)類別c時(shí)的能量函數(shù)U。,c = 1,2,…，C，C為類別總數(shù):Uc,1]=aA1]+(l — a)HB幼，α為一權(quán)值系數(shù)；丄t=l(4)找出最小Udj對(duì)應(yīng)的類別，并將Pij判定為該類；(5)對(duì)Pab內(nèi)的每個(gè)亞像元Pij均進(jìn)行步驟(3)-步驟(4)的操作；(6)對(duì)低分辨率遙感圖像中每個(gè)待分析混合像元進(jìn)行步驟(2)-步驟(5)；(7)重復(fù)上述步驟，直至輸出的前后亞相元定位圖像不同像元個(gè)數(shù)差別小于1%。
全文摘要
本發(fā)明的目的在于提供一種基于多時(shí)相遙感圖像的亞像元定位方法，包括以下步驟輸入低分辨率遙感圖像，通過光譜解混技術(shù)，得到遙感圖像中各類分量圖，根據(jù)各類分量圖，用SPSAM方法得到亞像元的初始空間分布；從低分辨率遙感圖像中選取待分析像元Pab，對(duì)pij計(jì)算屬于各個(gè)類別c時(shí)的能量函數(shù)Uc，ij，找出最小Uc，ij對(duì)應(yīng)的類別，并將pij判定為該類；對(duì)Pab內(nèi)的每個(gè)亞像元pij均進(jìn)行以上的操作；對(duì)低分辨率遙感圖像中每個(gè)待分析混合像元進(jìn)行上述操作；重復(fù)上述步驟，直至輸出的前后亞相元定位圖像不同像元個(gè)數(shù)差別小于1％。本發(fā)明的方法具有更高的亞像元定位精度，且采用了SPSAM進(jìn)行初始化，使得輸出的定位結(jié)果不存在著由于隨機(jī)初始化而引入的不確定性。
文檔編號(hào)G06K9/80GK102446278SQ201110269889
公開日2012年5月9日 申請(qǐng)日期2011年9月14日 優(yōu)先權(quán)日2011年9月14日
發(fā)明者劉丹鳳, 王立國(guó), 王群明 申請(qǐng)人:哈爾濱工程大學(xué)