CN110009066A - 基于逻辑回归的光谱图像亚像元空间定位方法及装置 - Google Patents
基于逻辑回归的光谱图像亚像元空间定位方法及装置 Download PDFInfo
- Publication number
- CN110009066A CN110009066A CN201910199479.9A CN201910199479A CN110009066A CN 110009066 A CN110009066 A CN 110009066A CN 201910199479 A CN201910199479 A CN 201910199479A CN 110009066 A CN110009066 A CN 110009066A
- Authority
- CN
- China
- Prior art keywords
- sub
- pixel
- mixed
- value
- total
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013507 mapping Methods 0.000 title abstract description 9
- 238000001228 spectrum Methods 0.000 title abstract description 3
- 238000007477 logistic regression Methods 0.000 claims description 61
- 230000005484 gravity Effects 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 35
- 230000003595 spectral effect Effects 0.000 claims description 34
- 230000004807 localization Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 11
- 230000002411 adverse Effects 0.000 abstract description 10
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于逻辑回归的光谱图像亚像元空间定位方法及装置，其中，方法包括以下步骤：将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，第二分辨率大于第一分辨率；交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到混合像元总引力值，直到总引力值不再增加时，停止交换；在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。该方法通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
Description
技术领域
本发明涉及亚像元空间定位技术领域，特别涉及一种基于逻辑回归的光谱图像亚像元空间定位方法及装置。
背景技术
高光谱成像仪因其可以获取目标的多维光谱数据信息，在遥感领域的应用正越来越广泛，但是受制于其成像传感器的限制，为了获取更多的光谱信息，往往需要牺牲一定的空间分辨率，由此产生了在成像光谱仪成像像元上的混合像元问题，即一个像元内存在多种不同地物类别的情况，无论是给地物类别的标识还是各地物类别的空间分布都带来了处理上的困难,传统的硬分类法将某种地物完全赋予一个混合像元，导致一些有价值的信息的损失。采用光谱解混技术仅仅能获取各地物类别在混合像元中的丰度，而无法解决各地物类别在混合像元中的空间分布问题。
SPM(Sub-pixel mapping，亚像元空间定位)是一种将丰度信息转化为空间分布信息的技术。PSM(Pixel-Swapping Model，亚像元置换模型)因其能够带来较好的空间定位效果而被广泛应用于亚像元空间定位中。它通过交换亚像元类别来最大化亚像元空间相关性，从而得到最终的定位结果。
亚像元置换模型虽然能够提供较好的定位结果，但是仍有可以改进的空间，特别是其初始赋值和算法优化。对亚像元置换模型常见的改进方法主要是：以像元空间引力模型的定位结果作为亚像元置换模型的初始赋值；以对称图案对亚像元进行初始赋值并在此基础上进行亚像元优化；对亚像元置换模型的参数进行调整。然而，以上方法均具有局限性，忽视了高分辨率影像对亚像元空间定位的帮助，没能很好的利用到先验知识。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种基于逻辑回归的光谱图像亚像元空间定位方法，该方法可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
本发明的另一个目的在于提出一种基于逻辑回归的光谱图像亚像元空间定位装置。
为达到上述目的，本发明一方面实施例提出了一种基于逻辑回归的光谱图像亚像元空间定位方法，包括以下步骤：将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将所述第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，所述第二分辨率大于第一分辨率；交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到所述混合像元总引力值，直到总引力值不再增加时，停止交换；在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。
本发明实施例的基于逻辑回归的光谱图像亚像元空间定位方法，通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效解决亚像元置换模型在初始赋值阶段存在过多的随机性，对亚像元空间定位的精度产生了不利影响的问题，从而可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
另外，根据本发明上述实施例的基于逻辑回归的光谱图像亚像元空间定位方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述计算得到混合像元的总引力值，进一步包括：计算所述混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到所述混合像元的总引力值。
进一步地，在本发明的一个实施例中，其中，所述混合像元内每个亚像元的引力值
其中，N是邻域亚像元的数量，z(Pi,j,Pk)是选择函数，当亚像元Pi,j和Pk属于同种地物类别时z(Pi,j,Pk)＝1，否则z(Pi,j,Pk)＝0，λk是权值函数，其中，
其中，a是非线性参数，d(Pi,j,Pk)为亚像元Pi,j和Pk之间的距离，其中，
混合像元的总引力值：
进一步地，在本发明的一个实施例中，所述直到总引力值不再增加时，停止交换，进一步包括：重新计算所述混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
进一步地，在本发明的一个实施例中，还包括：根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对所述训练数据集进行训练，以得到所述预设逻辑回归模型。
为达到上述目的，本发明另一方面实施例提出了一种基于逻辑回归的光谱图像亚像元空间定位装置，包括：计算模块，用于将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将所述第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，所述第二分辨率大于第一分辨率；交换模块，用于交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到所述混合像元总引力值，直到总引力值不再增加时，停止交换；定位模块，用于在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。
本发明实施例的基于逻辑回归的光谱图像亚像元空间定位装置，通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效解决亚像元置换模型在初始赋值阶段存在过多的随机性，对亚像元空间定位的精度产生了不利影响的问题，从而可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
另外，根据本发明上述实施例的基于逻辑回归的光谱图像亚像元空间定位装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述计算模块进一步用于计算所述混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到所述混合像元的总引力值。
进一步地，在本发明的一个实施例中，其中，
所述混合像元内每个亚像元的引力值
其中，N是邻域亚像元的数量，z(Pi,j,Pk)是选择函数，当亚像元Pi,j和Pk属于同种地物类别时z(Pi,j,Pk)＝1，否则z(Pi,j,Pk)＝0，λk是权值函数，其中，
其中，a是非线性参数，d(Pi,j,Pk)为亚像元Pi,j和Pk之间的距离，其中，
混合像元的总引力值
进一步地，在本发明的一个实施例中，所述交换模块进一步用于重新计算所述混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
进一步地，在本发明的一个实施例中，还包括：训练模块，用于根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对所述训练数据集进行训练，以得到所述预设逻辑回归模型。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于逻辑回归的光谱图像亚像元空间定位方法的流程图；
图2为根据本发明一个实施例的基于逻辑回归的光谱图像亚像元空间定位方法的流程图；
图3为根据本发明一个实施例的亚像元置换模型的像元/亚像元示意图；
图4为根据本发明一个实施例的参考影像以及降尺度后低分辨率图；
图5为根据本发明一个实施例的重构的高分辨率图；
图6为根据本发明一个实施例的针对逻辑回归模型的训练数据示范示意图；
图7为根据本发明实施例的基于逻辑回归的光谱图像亚像元空间定位装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于逻辑回归的光谱图像亚像元空间定位方法及装置，首先将参照附图描述根据本发明实施例提出的基于逻辑回归的光谱图像亚像元空间定位方法。
图1是本发明一个实施例的基于逻辑回归的光谱图像亚像元空间定位方法的流程图。
如图1所示，该基于逻辑回归的光谱图像亚像元空间定位方法包括以下步骤：
在步骤S101中，将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，第二分辨率大于第一分辨率。
其中，在本发明的一个实施例中，计算得到混合像元的总引力值，进一步包括：计算混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到混合像元的总引力值。
可以理解的是，第一分辨率影像为低分辨率影像，第二分辨率影像为高分辨率影像。如图2所示，本发明实施例将所需处理的低分辨率影像代入训练好的逻辑回归模型，生成高分辨率影像；并将得到的高分辨率影像作为亚像元置换模型的初解，计算各个亚像元的引力值，并得到各混合像元的总引力值。
具体而言，将所需处理的低分辨率影像代入训练好的逻辑回归模型，输入为邻域像元的丰度值，经过训练好的逻辑回归模型，输出为混合像元内亚像元对应的地物类别，由此生成高分辨率影像。
如图3所示，将得到的高分辨率影像作为亚像元置换模型的初解，根据式1计算各个亚像元的引力值其中，
其中N是邻域亚像元的数量，z(Pi,j,Pk)是选择函数，当亚像元Pi,j和Pk属于同种地物类别时z(Pi,j,Pk)＝1，否则z(Pi,j,Pk)＝0。λk是权值函数，由亚像元Pi,j到Pk之间的距离决定，如公式2所示：
其中a是非线性参数，亚像元Pi,j和Pk之间的距离按式3计算：
在计算得到混合像元内每一个亚像元的引力值后，便可以计算得到混合像元的总引力值，如式4所示：
进一步地，在本发明的一个实施例中，本发明实施例的方法还包括：根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对训练数据集进行训练，以得到预设逻辑回归模型。
可以理解的是，第三分辨率影像为高分辨影像。如图2所示，准备训练数据集，采用高分辨率影像，根据实际重构尺度的需要，等规模降尺度，得到高分辨率影像与低分辨率影像相对应的训练数据集。采用逻辑回归模型对训练数据集进行训练，得到逻辑回归模型参数。
具体而言，准备训练数据集，采用高分辨率影像，根据实际重构尺度的需要，等规模降尺度，得到高分辨率影像与低分辨率影像相对应的训练数据集。例如，如图4所示，图4参考影像以及降低尺度后低分辨率影像4(a)为参考影像，4(b)为降尺度影像，其中，降尺度S＝10。如图5所示，图5为根据本发明实施例的方法重构后的高分辨率影像，其中，5(a)为PSM；5(b)为LRPSM，降尺度S＝10。其中，亚像元置换模型(PSM)与本发明实施例的方法(LRPSM)的重构结果如表1所示。
表1
进一步而言，如图6所示，以重构尺度S＝4为例，将高分辨率影像(a)按照S＝4进行降尺度，得到丰度影像如图6(b)所示，中心混合像元的邻域像元丰度值与中心混合像元内的亚像元地物类别组成训练数据，通过逻辑回归模型进行训练，如图6(c)所示。其中，在图6中，6(a)为高分辨率影像，6(b)为丰度影像，图6(c)为中心混合像元内亚像元，6(d)为逻辑回归模型数据训练。
采用逻辑回归模型对训练数据集进行训练，得到逻辑回归模型参数。其中，逻辑回归函数为：
Π(x)＝1/(1+e-h')， (5)
其中，h′＝w0+w1x1+w2x2+…+wjxj，w0是偏置，wj是第j个邻域像元对中心混合像元内亚像元的影响系数，xj是第j个邻域像元的丰度值，代价函数如下所示：
其中，yi是对应亚像元地物的真值，m是训练数据数量。
在步骤S102中，交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到混合像元总引力值，直到总引力值不再增加时，停止交换。
其中，直到总引力值不再增加时，停止交换，进一步包括：重新计算混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
可以理解的是，如图2所示，交换不同类别地物在混合像元内引力值最小的两个亚像元，重新计算该混合像元总引力值，若引力值增加则保留交换结果，否则取消交换结果，当引力值不再增加时，停止交换。
在步骤S103中，在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。
可以理解的是，对所有混合像元重复步骤S102，直至所有混合像元总引力值均不再增长。根据此时各亚像元的引力值完成最终的亚像元定位。
根据本发明实施例提出的基于逻辑回归的光谱图像亚像元空间定位方法，通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效解决亚像元置换模型在初始赋值阶段存在过多的随机性，对亚像元空间定位的精度产生了不利影响的问题，从而可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
其次参照附图描述根据本发明实施例提出的基于逻辑回归的光谱图像亚像元空间定位装置。
图7是本发明一个实施例的基于逻辑回归的光谱图像亚像元空间定位装置的结构示意图。
如图7所示，该基于逻辑回归的光谱图像亚像元空间定位装置10包括：计算模块100、交换模块200和定位模块300。
其中，计算模块100用于将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，第二分辨率大于第一分辨率。交换模块200用于交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到混合像元总引力值，直到总引力值不再增加时，停止交换。定位模块300用于在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。本发明实施例的装置10通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
进一步地，在本发明的一个实施例中，计算模块100进一步用于计算混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到混合像元的总引力值。
进一步地，在本发明的一个实施例中，其中，混合像元内每个亚像元的引力值
其中，N是邻域亚像元的数量，z(Pi,j,Pk)是选择函数，当亚像元Pi,j和Pk属于同种地物类别时z(Pi,j,Pk)＝1，否则z(Pi,j,Pk)＝0，λk是权值函数，其中，
其中，a是非线性参数，d(Pi,j,Pk)为亚像元Pi,j和Pk之间的距离，其中，
混合像元的总引力值
进一步地，在本发明的一个实施例中，交换模块200进一步用于重新计算混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
进一步地，在本发明的一个实施例中，本发明实施例的装置10还包括：训练模块。其中，训练模块，用于根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对训练数据集进行训练，以得到预设逻辑回归模型。
需要说明的是，前述对基于逻辑回归的光谱图像亚像元空间定位方法实施例的解释说明也适用于该实施例的基于逻辑回归的光谱图像亚像元空间定位装置，此处不再赘述。
根据本发明实施例提出的基于逻辑回归的光谱图像亚像元空间定位装置，通过改善初始赋值对亚像元空间定位精度的不利影响，可以有效解决亚像元置换模型在初始赋值阶段存在过多的随机性，对亚像元空间定位的精度产生了不利影响的问题，从而可以有效提高以亚像元置换模型为基础的亚像元空间定位的速度和精度。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于逻辑回归的光谱图像亚像元空间定位方法，其特征在于，包括以下步骤：
将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将所述第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，所述第二分辨率大于第一分辨率；
交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到所述混合像元总引力值，直到总引力值不再增加时，停止交换；以及
在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。
2.根据权利要求1所述的基于逻辑回归的光谱图像亚像元空间定位方法，其特征在于，所述计算得到混合像元的总引力值，进一步包括：
计算所述混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到所述混合像元的总引力值。
3.根据权利要求2所述的基于逻辑回归的光谱图像亚像元空间定位方法，其特征在于，其中，
所述混合像元内每个亚像元的引力值
其中，N是邻域亚像元的数量，z(Pi，j，Pk)是选择函数，当亚像元Pi，j和Pk属于同种地物类别时z(Pi，j，Pk)＝1，否则z(Pi，j，Pk)＝0，λk是权值函数，其中，
其中，a是非线性参数，d(Pi，j，Pk)为亚像元Pi，j和Pk之间的距离，其中，
混合像元的总引力值
4.根据权利要求1所述的基于逻辑回归的光谱图像亚像元空间定位方法，其特征在于，所述直到总引力值不再增加时，停止交换，进一步包括：
重新计算所述混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
5.根据权利要求1所述的基于逻辑回归的光谱图像亚像元空间定位方法，其特征在于，还包括：
根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对所述训练数据集进行训练，以得到所述预设逻辑回归模型。
6.一种基于逻辑回归的光谱图像亚像元空间定位装置，其特征在于，包括：
计算模块，用于将待处理的第一分辨率影像带入预设逻辑回归模型得到第二分辨率影像，并将所述第二分辨率影像作为亚像元置换模型的初解，计算得到混合像元的总引力值，其中，所述第二分辨率大于第一分辨率；
交换模块，用于交换混合像元内引力值最小、且地物类别不同的两个亚像元，并重新计算得到所述混合像元总引力值，直到总引力值不再增加时，停止交换；以及
定位模块，用于在所有混合像元总引力值均不再增长时，根据所有混合像元总引力值得到亚像元空间定位结果。
7.根据权利要求6所述的基于逻辑回归的光谱图像亚像元空间定位装置，其特征在于，所述计算模块进一步用于计算所述混合像元内每个亚像元的引力值，并根据每个亚像元的引力值得到所述混合像元的总引力值。
8.根据权利要求7所述的基于逻辑回归的光谱图像亚像元空间定位装置，其特征在于，其中，
所述混合像元内每个亚像元的引力值
其中，N是邻域亚像元的数量，z(Pi，j，Pk)是选择函数，当亚像元Pi，j和Pk属于同种地物类别时z(Pi，j，Pk)＝1，否则z(Pi，j，Pk)＝0，λk是权值函数，其中，
其中，a是非线性参数，d(Pi，j，Pk)为亚像元Pi，j和Pk之间的距离，其中，
混合像元的总引力值
9.根据权利要求6所述的基于逻辑回归的光谱图像亚像元空间定位装置，其特征在于，所述交换模块进一步用于重新计算所述混合像元总引力值之后，如果总引力值增长，则保留亚像元交换结果，直到总引力值不再增加时，停止交换。
10.根据权利要求6所述的基于逻辑回归的光谱图像亚像元空间定位装置，其特征在于，还包括：
训练模块，用于根据重构尺度将第三分辨率影像等规模降尺度得到训练数据集，并采用逻辑回归模型对所述训练数据集进行训练，以得到所述预设逻辑回归模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910199479.9A CN110009066B (zh) | 2019-03-15 | 2019-03-15 | 基于逻辑回归的光谱图像亚像元空间定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910199479.9A CN110009066B (zh) | 2019-03-15 | 2019-03-15 | 基于逻辑回归的光谱图像亚像元空间定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110009066A true CN110009066A (zh) | 2019-07-12 |
| CN110009066B CN110009066B (zh) | 2021-03-12 |
Family
ID=67167236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910199479.9A Active CN110009066B (zh) | 2019-03-15 | 2019-03-15 | 基于逻辑回归的光谱图像亚像元空间定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009066B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422657A (en) * | 1993-09-13 | 1995-06-06 | Industrial Technology Research Institute | Graphics memory architecture for multimode display system |
| CN102446278A (zh) * | 2011-09-14 | 2012-05-09 | 哈尔滨工程大学 | 一种基于多时相遥感图像的亚像元定位方法 |
| CN103854282A (zh) * | 2014-01-13 | 2014-06-11 | 哈尔滨工程大学 | 基于修正遗传算法的高光谱亚像元定位方法 |
| CN104268581A (zh) * | 2014-10-15 | 2015-01-07 | 中国科学院地理科学与资源研究所 | 一种基于综合像元级和亚像元级空间相关性特征的遥感亚像元制图方法 |
| CN105447452A (zh) * | 2015-11-13 | 2016-03-30 | 中国科学院地理科学与资源研究所 | 一种基于地物空间分布特征的遥感亚像元制图方法 |
| CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
| CN108921035A (zh) * | 2018-06-06 | 2018-11-30 | 中国农业科学院农业资源与农业区划研究所 | 基于空间引力和像元聚集度的亚像元定位方法和系统 |
-
2019
- 2019-03-15 CN CN201910199479.9A patent/CN110009066B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422657A (en) * | 1993-09-13 | 1995-06-06 | Industrial Technology Research Institute | Graphics memory architecture for multimode display system |
| CN102446278A (zh) * | 2011-09-14 | 2012-05-09 | 哈尔滨工程大学 | 一种基于多时相遥感图像的亚像元定位方法 |
| CN103854282A (zh) * | 2014-01-13 | 2014-06-11 | 哈尔滨工程大学 | 基于修正遗传算法的高光谱亚像元定位方法 |
| CN104268581A (zh) * | 2014-10-15 | 2015-01-07 | 中国科学院地理科学与资源研究所 | 一种基于综合像元级和亚像元级空间相关性特征的遥感亚像元制图方法 |
| CN105447452A (zh) * | 2015-11-13 | 2016-03-30 | 中国科学院地理科学与资源研究所 | 一种基于地物空间分布特征的遥感亚像元制图方法 |
| CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
| CN108921035A (zh) * | 2018-06-06 | 2018-11-30 | 中国农业科学院农业资源与农业区划研究所 | 基于空间引力和像元聚集度的亚像元定位方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| YONGXU ET AL: "A Spatio–Temporal Pixel-Swapping Algorithm for Subpixel Land Cover Mapping", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
| 吴尚蓉等: "基于改进空间引力模型的农作区遥感影像亚像元定位", 《农业工程学报》 * |
| 韩文超等: "多光谱遥感影像亚像元定位的空间引力算法研究", 《测绘学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110009066B (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110853075B (zh) | 一种基于稠密点云与合成视图的视觉跟踪定位方法 | |
| CN108629831B (zh) | 基于参数化人体模板和惯性测量的三维人体重建方法及系统 | |
| WO2018147329A1 (ja) | 自由視点映像生成方法及び自由視点映像生成システム | |
| US11188768B2 (en) | Object detection apparatus, object detection method, and computer readable recording medium | |
| US20130156336A1 (en) | Image registration device and method thereof | |
| CN108665537A (zh) | 联合优化人体体态与外观模型的三维重建方法及系统 | |
| CN104363986A (zh) | 一种图像处理方法和设备 | |
| CN106023230B (zh) | 一种适合变形图像的稠密匹配方法 | |
| CN101826157B (zh) | 一种地面静止目标实时识别跟踪方法 | |
| JP2005308553A (ja) | 三次元画像計測装置及び方法 | |
| CN113470562B (zh) | 一种基于成像亮度计的oled屏幕子像素亮度提取方法 | |
| CN107680140A (zh) | 一种基于Kinect相机的深度图像高分辨率重构方法 | |
| CN110084747B (zh) | 基于全色锐化技术支持下的空间引力模型亚像元定位方法 | |
| CN102436655A (zh) | 一种基于svd的超分辨率重建图像质量评价方法 | |
| CN110428461B (zh) | 结合深度学习的单目slam方法及装置 | |
| CN108696745A (zh) | 相机校准 | |
| CN110009066B (zh) | 基于逻辑回归的光谱图像亚像元空间定位方法及装置 | |
| JP2018179577A (ja) | 位置計測装置 | |
| CN110728718A (zh) | 改进摄像机标定各参数的方法 | |
| CN107330934B (zh) | 低维度的集束调整计算方法与系统 | |
| CN110211042B (zh) | 增强光谱图像空间分辨率的亚像元定位方法及装置 | |
| CN116645471A (zh) | 提取前景物体的建模方法、系统、设备及存储介质 | |
| CN107016695B (zh) | 一种亚像素级影像配准方法及系统 | |
| Xia et al. | A coarse-to-fine ghost removal scheme for HDR imaging | |
| CN115393180A (zh) | 一种红外图像的拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |