一種結(jié)合兩種插值算法的遙感圖像亞像元定位方法
【專利摘要】本發(fā)明屬于遙感信息處理【技術領域】，特別涉及一種結(jié)合兩種插值算法的遙感圖像亞像元定位方法。本發(fā)明包括：將一幅大小為m×n的低分辨圖像中的像素隔行隔列地嵌入到大小為2m×2n的高分辨率圖像中，其中未知的像素點為待插值點；獲取待插值像素點x；利用光譜解混技術得到各地物類別所占的比例，按照預先設定的比例因子S將低分辨率圖像中的每一個像元分割成S2個亞像元，進行遙感圖像亞像元定位。本發(fā)明的方法無需迭代，無需訓練樣本，效率更高、速度更快、精度更高。
【專利說明】一種結(jié)合兩種插值算法的遙感圖像亞像元定位方法
【技術領域】
[0001]本發(fā)明屬于遙感信息處理【技術領域】，特別涉及一種結(jié)合兩種插值算法的遙感圖像亞像元定位方法。
【背景技術】
[0002]由于遙感圖像數(shù)據(jù)在獲取過程中受傳感器和環(huán)境參數(shù)等因素影響，使得混合像元成為遙感圖像所固有的特征?；旌舷裨拇嬖?，為獲取地物分布信息帶來了極大的困難。光譜解混技術雖然獲得了混合像元中各類地物類別所占的比例(即分量圖)，卻無法預測出各地物類別具體的空間分布情況。亞像元定位技術正是為了解決上述問題而發(fā)展起來的。將混合像元按所需放大比例分割為多個面積更小的亞像元，并根據(jù)光譜解混技術所得到的低分辨率分量圖確定每個亞像元對應的地物類別，從而得到亞像元級別下的地物分類圖。
[0003]近年來,亞像元定位技術已成為國內(nèi)外研究的熱點之一。Mertens利用空間引力模型，計算混合像元內(nèi)各亞像元所受到的空間引力的大小，并以混合像元內(nèi)各亞像元受到的空間引力的大小為指示判決信息，來確定各亞像元所屬的類別。該方法可以得到較好的實驗結(jié)果，但卻只利用了混合像元周圍鄰域像元的分量值信息，而忽略了其自身地物分布的結(jié)構(gòu)信息。
[0004]Tatem采用Hopfield神經(jīng)網(wǎng)絡(HNN)模型作為能量工具，將每個亞像元當作一個神經(jīng)元，以各混合像元的分量值為約束條件，對輸出的神經(jīng)元采用約束能量最小的原則進行求解。但該方法卻需要較長的迭代求解時間。Ling等將多幅具有亞像元級別的位移圖像的解混分量圖嵌入到HNN的比例約束項中，對亞像元定位過程進行多重約束，減少亞像元定位過程中的不確定性。Wang將多幅位移圖像的光譜信息嵌入到馬爾科夫模型的光譜約束項中，提供多光譜約束，提高馬爾科夫模型的亞像元定位精度。Ling等將亞像元定位過程分為以下兩步:首先，對每一地物類別的低分辨率分量圖進行插值，得到多幅具有概率信息高分辨率圖像；其次，按照多幅圖像中的概率信息和光譜解混技術所得到的比例信息，來確定亞像元定位的最終結(jié)果。然而，由于傳統(tǒng)的插值算法在圖像邊緣處存在模糊效應，這使得該方法的應用有一定的局限性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種具有高精度且快速的應用空間結(jié)構(gòu)相似性插值算法和反距離權(quán)值算法的遙感圖像亞像元定位方法。
[0006]本發(fā)明的目的是這樣實現(xiàn)的:
[0007](I)將一幅大小為mXn的低分辨圖像中的像素隔行隔列地嵌入到大小為2mX2n的高分辨率圖像中，其中未知的像素點為待插值點:
[0008]I)將原始低分辨率圖像中的像素點隔行隔列嵌入高分辨率圖像中，已知的像素用黑色表示，待插值的未知像素用白色表示；
[0009]2)計算所在行與列之和為偶數(shù)的白色像素點q的值，[0010]
【權(quán)利要求】
1.一種結(jié)合兩種插值算法的遙感圖像亞像元定位方法，其特征在于: (1)將一幅大小為mXn的低分辨圖像中的像素隔行隔列地嵌入到大小為2mX2n的高分辨率圖像中，其中未知的像素點為待插值點: 1)將原始低分辨率圖像中的像素點隔行隔列嵌入高分辨率圖像中，已知的像素用黑色表不，待插值的未知像素用白色表不； 2)計算所在行與列之和為偶數(shù)的白色像素點q的值，
【文檔編號】G06T7/00GK103793917SQ201410061826
【公開日】2014年5月14日 申請日期:2014年2月24日 優(yōu)先權(quán)日:2014年2月24日
【發(fā)明者】王立國, 王正艷, 竇崢, 趙春暉 申請人:哈爾濱工程大學