申请/专利权人：声耕智能科技(西安)研究院有限公司

申请日：2020-12-30

公开（公告）日：2024-06-21

公开（公告）号：CN112712034B

主分类号：G06T5/00

分类号：G06T5/00;G06V10/00;G06V10/40

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.05.14#实质审查的生效;2021.04.27#公开

摘要：本发明公开了一种高光谱图像的解混方法及系统，包括获取待解混三维高光谱图像，对待解混三维高光谱图像进行重构处理，得到二维高光谱图像；进行端元提取，建立端元矩阵；利用端元矩阵，构建损失函数；其中，损失函数用于求解二维高光谱图像的丰度，损失函数包含先验正则项；求解损失函数，输出二维高光谱图像的丰度，二维高光谱图像的丰度即为待解混三维高光谱图像的解混结果；本发明通过获得二维高光谱图像，并对二维高光谱图像进行端元提取，根据端元矩阵确定损失函数，通过在损失函数中加入先验正则项，将图像的空间相关性的先验知识加入到图像的解混中，有效提高了解混精度；避免了手动选择正则项的类型，计算过程复杂，图像解混效果差。

主权项：1.一种高光谱图像的解混方法，其特征在于，包括以下步骤：获取待解混三维高光谱图像Y3D，对待解混三维高光谱图像Y3D进行重构处理，得到二维高光谱图像Y；对二维高光谱图像Y进行端元提取，建立端元矩阵E；利用端元矩阵E，构建损失函数；其中，损失函数用于求解二维高光谱图像Y的丰度，损失函数包含先验正则项；求解损失函数，输出二维高光谱图像Y的丰度，二维高光谱图像Y的丰度即为待解混三维高光谱图像的解混结果；损失函数的表达式为： 其中，Φ*为先验正则项，λ为正则项强度；ai为二维高光谱图像中第i个像素的丰度；yi为二维高光谱图像中第i个像素的光谱；i为二维高光谱图像的像素个数；A为丰度矩阵；求解损失函数，具体包括以下步骤：引入辅助变量矩阵Z，对损失函数进行等价形式转化，得到转化后的损失函数；获取转化后的损失函数的增广拉格朗日函数Lρ；利用交替方向乘子法，求解转化后的损失函数的增广拉格朗日函数Lρ，得到二维高光谱图像数据矩阵的丰度，即得到待解混高光谱图像的解混结果；转化后的损失函数的增广拉格朗日函数Lρ的表达式为： 其中，V为对偶变量矩阵；||EA-Z||F为EA-Z矩阵的F范数；ρ为惩罚因子；利用交替方向乘子法，求解转化后的损失函数的增广拉格朗日函数Lρ，具体操作如下：利用交替方向乘子法，将转化后的损失函数的增广拉格朗日函数分解为第一子问题和第二子问题；其中，第一子问题为： 其中，ak+1,i为第i个像素在第k+1次迭代的丰度值，ρk为第k次迭代中的惩罚因子，为第i个像素的中间变量，zk,i为第i个像素的辅助变量，uk,i为第i个像素的对偶变量；第二子问题为： 其中，为整幅二维高光谱图像第k次迭代中的辅助变量；对二维高光谱图像中的每个像素，利用FCLS方法求解第一子问题，得到每个像素对应的丰度，并将所有像素的丰度拼接整合，获得整幅二维高光谱图像在第k+1次迭代的丰度Ak+1；利用降噪器求解第二子问题，获得整幅二维高光谱图像第k+1次迭代中的辅助变量；循环迭代，求解第一子问题和第二子问题，至迭代循环次数达到最大循环次数K，输出高光谱图像的解混结果。

全文数据：

权利要求：

百度查询： 声耕智能科技(西安)研究院有限公司 一种高光谱图像的解混方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD