基于区域分割的高光谱图像自适应解混方法

摘要

本发明公开了一种基于区域分割的高光谱图像自适应解混方法，考虑线性混合和双线性混合共存的情况，其实现有：输入高光谱图像；用基于最小错误高光谱信号识别法估计端元数目；用顶点成分分析算法提取端元矩阵；用K均值聚类方法对高光谱数据聚类，将图像分割为匀质区域和细节区域；匀质区域采用线性模型，用稀疏约束的非负矩阵分解方法解混，细节区域采用广义双线性模型，用稀疏约束的半非负矩阵分解方法解混。本发明结合高光谱数据光谱和丰度的特点，获得高光谱图像更精确的表示，提高解混的准确率。在丰度上添加稀疏约束条件，克服了半非负矩阵分解算法易陷入局部最小值的缺点，得到更加准确的丰度，用于高光谱图像的地物识别。