技术特征：
1.高光谱影像半监督弱信号解混方法，其特征在于：该方法包括以下步骤：s1：获取卫星对指定地面范围的遥感观测影像，完成影像辐射矫正和大气矫正预处理工作；s2：采用影像光谱波峰波谷粗分析和实地勘测相结合的方式估测出卫星所观测的地区可能存在的弱信号地物，包括藻类污染的水体和工业废水污染的地面；通过实验室测量弱信号所代表的标准光谱；s3：对经过预处理的遥感影像进行初始化工作来获得影像中典型地物的初始光谱和对应的丰度分布范围；s4：采用包括无监督模块、有监督模块和稀疏正则项的模型来估测影像中地物的光谱和对应的地物分布；同时获得弱信号地物的分布范围和混合成份。2.根据权利要求1所述的高光谱影像半监督弱信号解混方法，其特征在于：所述无监督模块估算端元和丰度，其中端元包含由robust-osp初始化的端元和先验知识；设表示包含l个波段和n个像元的高光谱图像矩阵，表示含有l个波段和p个初始化端元，表示由观测者添加的q个先验光谱用于检测高光谱数据中存在的弱小信号；无监督模块表述如下：小信号；无监督模块表述如下：其中端元矩阵和丰度矩阵需要满足非负约束且丰度矩阵需要满足丰度和为一约束；对于先验的优化过程会使得其出现退化，考虑一个有监督模块去最小化先验退化。3.根据权利要求2所述的高光谱影像半监督弱信号解混方法，其特征在于：所述有监督模块用于约束先验信息的退化，监测高光谱图像中的弱小信号；有监督模块表述如下：其中a＝[0
p
×
q
；i
q
×
q
]表示指示矩阵用于从端元矩阵中提取出对应先验知识的端元光谱，v表示先验知识；v和的区别在于前者在模型中视为被观测对象不会被优化，而后者在模型中视为检测弱小信号的先验因而在模型中会被更新优化。4.根据权利要求3所述的高光谱影像半监督弱信号解混方法，其特征在于：所述无监督模块和有监督模块在高光谱弱小信号检测中的协同作用，并同时考虑丰度矩阵的稀疏特性，通过联合无监督模型和有监督模型，得到半监督重加权稀疏模型：约简后，得到模型：
其中第一个保真项是无监督模块，第二个保真项为有监督模块，第三项为稀疏正则项；r表示对丰度矩阵非零元素进行重加权约束的矩阵用于迫使丰度矩阵变得更加稀疏。5.根据权利要求4所述的高光谱影像半监督弱信号解混方法，其特征在于：所述监测高光谱图像中的弱小信号具体为：s11：对于观测得到的高光谱图像数据y，采用端元初始化方法robust-osp获取典型地物的端元s12：对于观测得到的高光谱图像数据，通过野外调查或地物光谱反射波峰分析，获取该观测地区范围存在的弱地物信号并通过实验室光谱成像获得弱小信号的成像光谱并将其作为先验知识；s13：通过优化模型(5)获得弱小信号光谱所对应的地物分布情况。6.根据权利要求5所述的高光谱影像半监督弱信号解混方法，其特征在于：所述采用端元初始化方法robust-osp获取典型地物的端元具体为：s21：采用svd算法将高维数据y转为低维数据子空间x；s22：计算具有最大l2范数的数据点e1为初始低维端元；s23：将剩余数据投影至已确定端元所张成的子空间中，获得第二个低维端元e2，并更新端元集；s24：重复s23直至获得指定数目的低维端元；s25：将低维端元逆变换至高维端元。
技术总结
本发明涉及一种高光谱影像半监督弱信号解混方法，属于图像处理领域。该方法包括以下步骤：S1：获取卫星对指定地面范围的遥感观测影像，完成影像辐射矫正和大气矫正预处理工作；S2：采用影像光谱波峰波谷粗分析和实地勘测相结合的方式估测出卫星所观测的地区可能存在的弱信号地物，包括藻类污染的水体和工业废水污染的地面；通过实验室测量弱信号所代表的标准光谱；S3：对经过预处理的遥感影像进行初始化工作来获得影像中典型地物的初始光谱和对应的丰度分布范围；S4：采用包括无监督模块、有监督模块和稀疏正则项的模型来估测影像中地物的光谱和对应的地物分布；同时获得弱信号地物的分布范围和混合成份。号地物的分布范围和混合成份。号地物的分布范围和混合成份。
技术研发人员：周喜川 沈象飞 刘海军 葛方圆
受保护的技术使用者：重庆大学
技术研发日：2021.12.17
技术公布日：2022/4/12