CN110211042B - 增强光谱图像空间分辨率的亚像元定位方法及装置 - Google Patents
增强光谱图像空间分辨率的亚像元定位方法及装置 Download PDFInfo
- Publication number
- CN110211042B CN110211042B CN201910388581.3A CN201910388581A CN110211042B CN 110211042 B CN110211042 B CN 110211042B CN 201910388581 A CN201910388581 A CN 201910388581A CN 110211042 B CN110211042 B CN 110211042B
- Authority
- CN
- China
- Prior art keywords
- sub
- pixel
- pixels
- total
- mixed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000003595 spectral effect Effects 0.000 title claims abstract description 29
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 27
- 230000005484 gravity Effects 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000001816 cooling Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 10
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 6
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 238000002922 simulated annealing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4069—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by subpixel displacements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种增强光谱图像空间分辨率的亚像元定位方法及装置，其中，方法包括以下步骤：步骤S1：获取混合像元总引力值；步骤S2：将混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值；步骤S3：对系统进行冷却，每完成一次步骤S2，迭代次数i＝i+1，当i达到总迭代次数iter时，对当前温度T进行一次降温，当T小于终止温度Tstop时，停止优化；步骤S4：对亚像元进行二次随机优化；步骤S5：将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。该方法有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
Description
技术领域
本发明涉及亚像元空间定位技术领域，特别涉及一种增强光谱图像空间分辨率的亚像元定位方法及装置。
背景技术
高光谱成像仪因其可以获取被测目标的光谱数据立方体，故而在遥感邻域具有十分重要的应用价值，但是为了获取被测目标的光谱数据，成像探测器像元牺牲了大量空间分辨率，导致在成像过程中不可避免地产生混合像元的问题。混合像元是指在一个探测器像元内存在多种不同地物类别的现象，这种现象给像元内的地物识别和其空间位置分布都带来了不利影响。光谱解混技术可以获取像元内不同地物类别的丰度信息，但是无法进一步提供其空间位置分布。传统的硬分类方法单一的将混合像元内丰度值最大的地物类别赋予整个像元，导致大量有价值的信息损失。
SPM(Sub-Pixel Mapping，亚像元空间定位技术)一种以像元丰度数据为输入，以像元高分辨率结果图为输出的制图技术。PSA(Pixel-Swapping Algorithm，亚像元置换算法)以空间引力模型为指导思想，因其可以获取较好的亚像元空间定位结果而得到广泛使用。该算法通过不断迭代交换不同地物类别亚像元来使得混合像元内亚像元分布最优化。亚像元置换算法虽然可以获取不错的定位结果，但是针对其自身存在的不足，仍有值得改进的地方。
当前，对亚像元置换算法的改进主要有：以像元空间引力模型的定位结果作为亚像元置换算法的初始赋值；亚像元置换算法的参数调整与优化；采用模拟退火算法对亚像元置换过程进行优化(PSA_SA)。然而，以上方法均无法较好的解决亚像元值换模型在亚像元交换过程易陷入局部最优解的问题，从而对亚像元空间定位的精度产生了不利影响。
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增强光谱图像空间分辨率的亚像元定位方法，该方法有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
本发明的另一个目的在于提出一种增强光谱图像空间分辨率的亚像元定位装置。
为达到上述目的，本发明一方面实施例提出了一种增强光谱图像空间分辨率的亚像元定位方法，包括以下步骤：步骤S1：获取当前状态下混合像元总引力值；步骤S2：根据交换约束条件将所述混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位；步骤S3：对系统进行冷却，每完成一次所述步骤S2，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×a，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化；步骤S4：对亚像元进行二次随机优化；步骤S5：根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。
本发明实施例的增强光谱图像空间分辨率的亚像元定位方法，基于模拟退火算法的亚像元置换模型进行了改进，在对被交换亚像元的选择上增添了约束条件，根据不同情况分别在特定范围内随机选择不同的端元类别亚像元进行交换，并在不引入其他算法的前提下，仅通过亚像元交换即可取得较高精度的亚像元定位结果，从而有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
另外，根据本发明上述实施例的增强光谱图像空间分辨率的亚像元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，还包括：参数初始化，迭代次数i＝1，并设定所述总迭代次数iter、起始温度Tstart＝10×S、衰减因子a、所述温度下降公式Ti+1＝Ti×a、以及所述终止温度Tstop，其中，根据丰度数据和重构尺度因子S对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
进一步地，在本发明的一个实施例中，所述交换约束条件为：如果c<2||c>(S×S－2)，在不同端元引力值最小的亚像元中选择1个亚像元进行交换，
其中，pi,j为位置为(i,j)的亚像元，
为亚像元pi,j的引力值；
否则，在不同端元引力值最小的2个亚像元中随机选择1个亚像元进行交换，
进一步地，在本发明的一个实施例中，所述混合像元总引力值的计算公式为：
其中，
是位置为(i,j)的亚像元吸引力值，其计算公式如下：
N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其中，如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0，λk是权重系数。
式中a为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
进一步地，在本发明的一个实施例中，所述决定是否保留新的亚像元定位，包括：如果所述新的混合像元总引力值
大于所述混合像元总引力值
则保留新的交换结果，否则按下式计算：
其中，
为新的总引力值，
为原有总引力值，T为温度，若P>rand(0,1)，则保留交换结果，否则不保留此次交换结果。
为达到上述目的，本发明另一方面实施例提出了一种增强光谱图像空间分辨率的亚像元定位装置，获取模块，用于获取当前状态下混合像元总引力值；交换模块，用于根据交换约束条件将所述混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位；冷却模块，用于对系统进行冷却，每完成一次所述交换模块，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×a，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化；优化模块，用于对亚像元进行二次随机优化；定位模块，用于根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。
本发明实施例的增强光谱图像空间分辨率的亚像元定位装置，基于模拟退火算法的亚像元置换模型进行了改进，在对被交换亚像元的选择上增添了约束条件，根据不同情况分别在特定范围内随机选择不同的端元类别亚像元进行交换，并在不引入其他算法的前提下，仅通过亚像元交换即可取得较高精度的亚像元定位结果，从而有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
另外，根据本发明上述实施例的增强光谱图像空间分辨率的亚像元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，还包括：初始化模块，用于参数初始化，迭代次数i＝1，并设定所述总迭代次数iter、起始温度Tstart＝10×S、衰减因子a、所述温度下降公式Ti+1＝Ti×a、以及所述终止温度Tstop，其中，根据丰度数据和重构尺度因子S对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
进一步地，在本发明的一个实施例中，所述交换约束条件为：
如果c<2||c>(S×S－2)，在不同端元引力值最小的亚像元中选择1个亚像元进行交换，
其中，pi,j为位置为(i,j)的亚像元，
为亚像元pi,j的引力值；
否则，在不同端元引力值最小的2个亚像元中随机选择1个亚像元进行交换，
进一步地，在本发明的一个实施例中，所述混合像元总引力值的计算公式为：
其中，
是位置为(i,j)的亚像元吸引力值，其计算公式如下：
N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其中，如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0，λk是权重系数。
式中a为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
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在所述新的混合像元总引力值
大于所述混合像元总引力值
时，保留新的交换结果，否则按下式计算：
其中，
为新的总引力值，
为原有总引力值，T为温度，若P>rand(0,1)，则保留交换结果，否则不保留此次交换结果。
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增强光谱图像空间分辨率的亚像元定位方法的流程图；
图2为根据本发明一个实施例的增强光谱图像空间分辨率的亚像元定位方法的流程图；
图3为根据本发明实施例的亚像元及混合像元引力值计算的示例示意图；
图4为根据本发明实施例的亚像元交换约束的示例示意图；
图5为根据本发明一个实施例的亚像元空间定位结果示意图；
图6为根据本发明另一个实施例的亚像元空间定位结果示意图；
图7为根据本发明实施例的增强光谱图像空间分辨率的亚像元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增强光谱图像空间分辨率的亚像元定位方法及装置，首先将参照附图描述根据本发明实施例提出的增强光谱图像空间分辨率的亚像元定位方法。
图1是本发明一个实施例的增强光谱图像空间分辨率的亚像元定位方法的流程图。
正如背景技术所分析的，本发明实施例所要解决的技术问题：普通的亚像元置换算法在亚像元置换过程中极易陷入局部最优解，基于传统的模拟退火算法的亚像元交换方法收敛结果不好的问题。
针对这一问题，本发明实施例基于改进模拟退火算法的亚像元空间定位方法，以改善亚像元空间定位精度。如图1所示，该增强光谱图像空间分辨率的亚像元定位方法包括以下步骤：
步骤S1：获取当前状态下混合像元总引力值。
需要说明的是，在步骤S1之前，参数初始化，迭代次数i＝1，需要设定迭代总次数iter，模拟退火算法中的起始温度Tstart＝10×S，衰减因子a，温度下降公式Ti+1＝Ti×a，以及迭代终止温度Tstop。根据已知丰度数据和重构尺度因子S，对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
进一步地，如图2所示，步骤S1计算像元总引力值，计算过程如下，参数示意如图3所示：
假设pi,j是位置为(i,j)的亚像元，那么其引力值计算公式如下：
其中
是位置为(i,j)的亚像元吸引力值，N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其定义为：如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0。λk是权重系数，大小由距离控制，计算公式如下：
式中a为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
对于一个混合像元pa,b，在计算完其内部所有的亚像元引力值后，将它们进行累加便可得到混合像元的总引力值，计算公式如下：
步骤S2：根据交换约束条件将混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位。
可以理解的是，如图2所示，根据混合像元内地物的丰度值大小在以下交换约束中，对引力值次小范围内的不同端元对应亚像元(如图4所示)进行随机交换。
其中，交换约束如下：
如果c<2||c>(S×S－2)，在不同端元类别中引力值最小的亚像元中选择1个亚像元进行交换。
否则，在不同端元类别中引力值最小的2个亚像元中随机选择1个亚像元进行交换。
计算新的混合像元总引力值
以决定是否保留新的亚像元定位。如果新的总引力值
大于原有总引力值
则保留新的交换结果。否则按下式计算：
如果P>rand(0,1)，则接受新的交换结果，否则取消交换。
步骤S3：对系统进行冷却，每完成一次步骤S2，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×a，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化。
可以理解的是，系统冷却。每完成一次步骤二，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×a，对T进行一次降温，当温度T小于终止温度Tstop时，停止优化，不再进行任何不同端元类别亚像元交换。
步骤S4：对亚像元进行二次随机优化。
可以理解的是，如图2所示，亚像元二次随机优化。对混合像元二次优化的顺序调整为随机选取的方式，以打破顺序优化带来的限制，破坏优化方向的单一性，同时保证每一个混合像元都会被抽取中来进行二次优化，对于混合像元二次优化的方法与其第一次优化相同。
步骤S5：根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。
可以理解的是，如图2所示，亚像元空间最终定位。通过计算各个亚像元在不同地物类别下的引力值，将其中最大的引力值对应的地物类别赋予该亚像元，从而实现不同类别地物的亚像元空间定位。
需要说明的是，图5为参考影像、降尺度后低分辨率图以及分别采用PSA算法、PSA_SA算法和本发明方法重构的高分辨率图(重构尺度S＝8)。图6为参考影像、降尺度后低分辨率图以及分别采用PSA算法、PSA_SA算法和本发明方法重构的高分辨率图(重构尺度S＝12)。表1为PSA算法、PSA_SA算法与本发明方法的重构结果量化对比，其中，表1为亚像元置换算法(PSA)与本发明方法(PSA_ISA)的重构结果表。
表1
综上，本发明实施例提出一种基于改进模拟退火算法的亚像元置换算法(PSA_ISA)，对基于模拟退火算法的亚像元交换过程增加约束机制，只针对特定范围的亚像元开展随机交换。原有算法将不同端元对应亚像元随机交换，本算法选定具有一定范围引力值的不同端元对应亚像元进行随机交换，既可实现亚像元交换过程跳出局部最优解的缺陷，又可避免完全随机造成的结果不收敛问题，从而实现高精度的亚像元端元空间定位。
根据本发明实施例提出的增强光谱图像空间分辨率的亚像元定位方法，基于模拟退火算法的亚像元置换模型进行了改进，在对被交换亚像元的选择上增添了约束条件，根据不同情况分别在特定范围内随机选择不同的端元类别亚像元进行交换，并在不引入其他算法的前提下，仅通过亚像元交换即可取得较高精度的亚像元定位结果，从而有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
其次参照附图描述根据本发明实施例提出的增强光谱图像空间分辨率的亚像元定位装置。
图7是本发明一个实施例的增强光谱图像空间分辨率的亚像元定位装置的结构示意图。
如图7所示，该增强光谱图像空间分辨率的亚像元定位装置10包括：获取模块100、交换模块200、冷却模块300、优化模块400和定位模块500。
其中，获取模块100用于获取当前状态下混合像元总引力值。交换模块200用于根据交换约束条件将混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位。冷却模块300用于对系统进行冷却，每完成一次交换模块200，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×a，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化。优化模块400用于对亚像元进行二次随机优化。定位模块500用于根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。本发明实施例的装置10有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
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：初始化模块。其中，初始化模块用于参数初始化，迭代次数i＝1，并设定总迭代次数iter、起始温度Tstart＝10×S、衰减因子a、温度下降公式Ti+1＝Ti×a、以及终止温度Tstop，其中，根据丰度数据和重构尺度因子S对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
进一步地，在本发明的一个实施例中，交换约束条件为：
如果c<2||c>(S×S－2)，在不同端元引力值最小的亚像元中选择1个亚像元进行交换，
其中，pi,j为位置为(i,j)的亚像元，
为亚像元pi,j的引力值；
否则，在不同端元引力值最小的2个亚像元中随机选择1个亚像元进行交换，
进一步地，在本发明的一个实施例中，混合像元总引力值的计算公式为：
其中，
是位置为(i,j)的亚像元吸引力值，其计算公式如下：
N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其中，如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0，λk是权重系数。
式中a为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
进一步地，在本发明的一个实施例中，交换模块200进一步用于在新的混合像元总引力值
大于混合像元总引力值
时，保留新的交换结果，否则按下式计算：
其中，
为新的总引力值，
为原有总引力值，T为温度。若P>rand(0,1)，则保留交换结果，否则不保留此次交换结果。
需要说明的是，前述对增强光谱图像空间分辨率的亚像元定位方法实施例的解释说明也适用于该实施例的增强光谱图像空间分辨率的亚像元定位装置，此处不再赘述。
根据本发明实施例提出的增强光谱图像空间分辨率的亚像元定位装置，基于模拟退火算法的亚像元置换模型进行了改进，在对被交换亚像元的选择上增添了约束条件，根据不同情况分别在特定范围内随机选择不同的端元类别亚像元进行交换，并在不引入其他算法的前提下，仅通过亚像元交换即可取得较高精度的亚像元定位结果，从而有效的减少了亚像元置换模型中局部最小解对定位过程的影响，提高了亚像元定位的精度。
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 (8)
1.一种增强光谱图像空间分辨率的亚像元定位方法，其特征在于，包括以下步骤：
步骤S1：获取当前状态下混合像元总引力值；
步骤S2：根据交换约束条件将所述混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位；所述交换约束条件为：如果c<2||c>(S×S－2)，在不同端元引力值最小的亚像元中各自选择1个亚像元进行交换，
其中，pi,j为位置为(i,j)的亚像元，
为亚像元pi,j的引力值；否则，在不同端元引力值最小的2个亚像元中随机选择1个亚像元进行交换，
步骤S3：对系统进行冷却，每完成一次所述步骤S2，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×α，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化，其中，α为衰减因子；
步骤S4：对亚像元进行二次随机优化；以及
步骤S5：根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。
2.根据权利要求1所述的方法，其特征在于，还包括：
参数初始化，迭代次数i＝1，并设定所述总迭代次数iter、起始温度Tstart＝10×S、衰减因子α、所述温度下降公式Ti+1＝Ti×α、以及所述终止温度Tstop，其中，根据丰度数据和重构尺度因子S对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
3.根据权利要求1所述的方法，其特征在于，所述混合像元总引力值的计算公式为：
其中，
是位置为(i,j)的亚像元吸引力值，其计算公式如下：
N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其中，如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0，λk是权重系数，
式中β为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
4.根据权利要求3所述的方法，其特征在于，所述决定是否保留新的亚像元定位，包括：
如果所述新的混合像元总引力值
大于所述混合像元总引力值
则保留新的交换结果，否则按下式计算：
其中，
为新的总引力值，
为原有总引力值，T为温度，若P>rand(0,1)，则保留交换结果，否则不保留此次交换结果。
5.一种增强光谱图像空间分辨率的亚像元定位装置，其特征在于，包括：
获取模块，用于获取当前状态下混合像元总引力值；
交换模块，用于根据交换约束条件将所述混合像元总引力值在次小范围内的不同端元对应亚像元进行随机交换，得到新的混合像元总引力值，以决定是否保留新的亚像元定位；所述交换约束条件为：如果c<2||c>(S×S－2)，在不同端元引力值最小的亚像元中选择1个亚像元进行交换，
其中，pi,j为位置为(i,j)的亚像元，
为亚像元pi,j的引力值；否则，在不同端元引力值最小的2个亚像元中随机选择1个亚像元进行交换，
冷却模块，用于对系统进行冷却，每完成一次所述交换模块，迭代次数i＝i+1，当i达到总迭代次数iter时，根据温度下降公式Ti+1＝Ti×α，对当前温度T进行一次降温，当当前温度T小于终止温度Tstop时，停止优化，其中，α为衰减因子；
优化模块，用于对亚像元进行二次随机优化；以及
定位模块，用于根据各个亚像元在不同地物类别下的引力值将最大的引力值对应的地物类别赋予该亚像元，得到不同类别地物的亚像元空间定位结果。
6.根据权利要求5所述的装置，其特征在于，还包括：
初始化模块，用于参数初始化，迭代次数i＝1，并设定所述总迭代次数iter、起始温度Tstart＝10×S、衰减因子α、所述温度下降公式Ti+1＝Ti×α、以及所述终止温度Tstop，其中，根据丰度数据和重构尺度因子S对待定位的高分辨混合像元进行随机赋值，将各地物类别随机定位的高分辨混合像元作为初始解。
7.根据权利要求5所述的装置，其特征在于，所述混合像元总引力值的计算公式为：
其中，
是位置为(i,j)的亚像元吸引力值，其计算公式如下：
N是所选的邻域大小，pk是邻域亚像元，z(pi,j,pk)为选择函数，其中，如果pi,j和pk同属于同一地物类别，则z(pi,j,pk)＝1，如果pi,j和pk不属于同一地物类别，则z(pi,j,pk)＝0，λk是权重系数，
式中β为可调节参数，d(pi,j,pk)是亚像元pi,j和其邻域亚像元pk的距离，可以由下式计算：
8.根据权利要求7所述的装置，其特征在于，所述交换模块进一步用于在所述新的混合像元总引力值
大于所述混合像元总引力值
时，保留新的交换结果，否则按下式计算：
其中，
为新的总引力值，
为原有总引力值，T为温度，若P>rand(0,1)，则保留交换结果，否则不保留此次交换结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388581.3A CN110211042B (zh) | 2019-05-10 | 2019-05-10 | 增强光谱图像空间分辨率的亚像元定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388581.3A CN110211042B (zh) | 2019-05-10 | 2019-05-10 | 增强光谱图像空间分辨率的亚像元定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110211042A CN110211042A (zh) | 2019-09-06 |
| CN110211042B true CN110211042B (zh) | 2021-03-12 |
Family
ID=67785773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910388581.3A Active CN110211042B (zh) | 2019-05-10 | 2019-05-10 | 增强光谱图像空间分辨率的亚像元定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110211042B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298137B (zh) * | 2021-05-21 | 2023-02-24 | 青岛星科瑞升信息科技有限公司 | 一种基于局部相似度数据引力的高光谱影像分类方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1445981A (zh) * | 2002-03-20 | 2003-10-01 | 富士施乐株式会社 | 图像处理装置,图像处理方法和图像处理程序 |
| CN102789631A (zh) * | 2011-05-17 | 2012-11-21 | 张学 | 基于图像分割和引力模型的遥感图像分辨率提高处理方法 |
| 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 |
| 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 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3837575B2 (ja) * | 2004-10-29 | 2006-10-25 | 国立大学法人東京工業大学 | 超解像処理の高速化方法 |
| CN102682441B (zh) * | 2012-03-01 | 2014-11-26 | 清华大学 | 基于亚像元映射的高光谱图像超分辨重建方法 |
| CN103679805A (zh) * | 2013-12-19 | 2014-03-26 | 苏州大学 | 基于三维主动轮廓模型和三维哈弗变换的三维肾皮质定位方法 |
| CN109671019B (zh) * | 2018-12-14 | 2022-11-01 | 武汉大学 | 一种基于多目标优化算法和稀疏表达的遥感影像亚像元制图方法 |
-
2019
- 2019-05-10 CN CN201910388581.3A patent/CN110211042B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1445981A (zh) * | 2002-03-20 | 2003-10-01 | 富士施乐株式会社 | 图像处理装置,图像处理方法和图像处理程序 |
| CN102789631A (zh) * | 2011-05-17 | 2012-11-21 | 张学 | 基于图像分割和引力模型的遥感图像分辨率提高处理方法 |
| 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 |
| 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 |
|---|
| Super-resolution Target Mapping from Soft-Classified Remotely Sensed Imagery;Peter M. Atkinson;《Photogrammetric Engineering and Remote Sensing》;20051231(第71期);第839-846页 * |
| 基于模拟退火算法的遥感影像亚像元定位方法;彭晓鹃 等;《测绘通报》;20130925;第55-56页第二部分 * |
| 基于遗传算法和MRF的亚像元定位方法研究;刘务;《中国硕士优秀学位论文全文数据库》;20180315(第3期);第12-13页2.3 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110211042A (zh) | 2019-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230059839A1 (en) | Quotidian scene reconstruction engine | |
| US8712183B2 (en) | System and method for performing image correction | |
| WO2018090597A1 (zh) | 逐点校正方法 | |
| US20090080805A1 (en) | Fast Method of Super-Resolution Processing | |
| CN103034982B (zh) | 一种基于变焦视频序列的图像超分辨率重建方法 | |
| CN104296876B (zh) | 基于fpga的场景非均匀性校正方法及其装置 | |
| CN111667536A (zh) | 一种基于变焦相机深度估计的参数标定方法 | |
| US9990752B2 (en) | Image processing device, imaging device, microscope system, image processing method, and computer-readable recording medium | |
| CN109886351B (zh) | 高光谱数据和高分辨率图像融合方法 | |
| CN110738608B (zh) | 一种平面图像校正方法及系统 | |
| JP2014090401A (ja) | 撮像システム及びその制御方法 | |
| CN111598775B (zh) | 基于lstm网络的光场视频时域超分辨重建方法 | |
| CN110211042B (zh) | 增强光谱图像空间分辨率的亚像元定位方法及装置 | |
| CN111914049A (zh) | 经纬度坐标与图像坐标映射方法 | |
| CN112184809A (zh) | 相对位姿的估计方法、装置、电子设备及介质 | |
| CN113686262A (zh) | 一种线结构光扫描仪标定方法、装置及存储介质 | |
| CN112258587A (zh) | 一种基于灰狼粒子群混合算法的相机标定方法 | |
| CN111062895B (zh) | 一种基于多视场分割的显微图像复原方法 | |
| Wang et al. | Sub-pixel mapping based on sub-pixel to sub-pixel spatial attraction model | |
| CN109493426B (zh) | 一种基于单目成像的高炉料面三维重构方法及系统 | |
| CN110060208A (zh) | 一种提高超分辨率算法重构性能的方法 | |
| CN111796414B (zh) | 基于恒星间弧长变化的望远镜自动调焦方法 | |
| CN106855433B (zh) | 一种成像光谱仪自动定标的方法及装置 | |
| CN115375561A (zh) | 一种优化亮度、反差及色差的遥感影像匀光匀色方法 | |
| CN103630121B (zh) | 一种基于最佳扫描行快速定位的线阵影像微分纠正方法 |
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 |