CN111899257B 基于多时相本征图像分解的地物光谱反射率图像提取方法 （哈尔滨工业大学）

基于多时相本征图像分解的地物光谱反射基于多时相本征图像分解的地物光谱反射率图像提取方法，本发明涉及多/高光谱遥感图有多/高光谱遥感图像本征反射率信息提取精度束模型的最优解转化为共同反射率和2个阴影分2步骤一：建立多时相遥感图像本征反射率信息表达模型步骤三：将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解所述初始化参数为局部邻域尺度范围、邻域相似度调控参数，相邻迭采集同一地点不同时刻的多时相多/高光谱遥感图像，多时相遥感图像本征反射率信SB为多/高光谱遥感图像的光谱波段数；所述步骤二中局部时-空能量约束下的分解约束模型通过对上述局部时-空能量约束下的分解约束模型的最小化约束，获得分解约束模型3b表示反射率R的第b波段的灰度值；所述步骤三中将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化5,表示时相1遥感图像I1像素点i的阴影分量的倒数；I1ib表示时相1遥感图像I1表示时相2遥感图像第i点第b波段的反射率；Rib表示多时相遥感图像第i点第b波段的反射jb表示多时相遥感图像第j点第b波段的反射率；wji表示像素点j和其近临点i的相似2.根据权利要求1所述基于多时相本征图像分解的地物光谱反射率图像提取方法，其43.根据权利要求2所述基于多时相本征图像分解的地物光谱反射率图像提取方法，其4.根据权利要求3所述基于多时相本征图像分解的地物光谱反射率图像提取方法，其5[0002]地物光谱反射率信息是遥感图像实现定量化反演的主要手段(如归一化植被指[0003]当前，从多/高光谱遥感图像中反演地物光谱反射率信息的方法主要有相对光谱[0004]为了提升基于本征图像分解的多/高光谱遥感图像地物反射率提取精度，可以从[0005]本发明的目的是为了解决现有多/高光谱遥感图像本征反射率信息提取精度低、[0009]步骤三：将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化6[0014]本发明的目的是为了提高现有多/高光谱遥感图像本征反射率信息提取精度和稳通过增加更多图像先验信息的方式，构建多时相下本征信息表达和时-空联合优化和反演[0015]本发明方法将传统单多/高光谱图像本征反射率提取模型扩展为多时相(即多图基于多时相本征图像分解的地物光谱反射率图像精确提数的零点为最佳极值点的思想，将分解约束模型的最优解转化为共同反射率和2个阴影分优化求解模型，求出最终本征反射率(多时相遥感图像的反射率R、时相1遥感图像I1的迭代参数误差阈值以及反射率R和各个图像shading成分7[0031]采集同一地点不同时刻的多时相多/高遥感图像(这里仅用两个时相遥感图像的S[0037]为了实现多时相本征图像反射率的反演和提取，上述模型仍然为病态问题模型约束模型，一是反射率在局部范围内的能量的相似性，二是所提反射率和各个图像的shading分量必须服从具体实施方式二中所描述的信息表征模型；上述局部时空能量约束[0042]其中，Iib表示图像I第i点第b波段的灰度值，Ijb表示图像I第j点第b波段的灰度[0043]通过对上述局部时-空能量约束下的分解约束模型的最小化约束，获得分解约束8中将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型(多时2ib表示时相2遥感图像第i点第b波段的反射率；Rib表示多时相遥感图像第i点第b波段的反射率；Rjb表示多时相遥感图像第j点第b波段的反射率；wji表示像素j和其近临点i中给定多时相遥感图像(图像1和图像2)和初始化参数，基于步骤三的迭代优化求解模型，92b为时相2原始数据RGB波段