專利名稱：一種基于空間相關性的亞像元空間定位方法
技術領域：
本發明涉及一種亞像元內部各組分的空間定位方法，屬于地球空間信息技術領域。
背景技術：
利用數字遙感影像制作專題地圖(影像分類)是遙感技術中的熱點研究領域。然而， 由于地表復雜性，光譜傳輸過程中各種環境的影響及傳感器探測元件本身的物理特性等 因素的作用，遙感影像中的像元很少是由單一地物組成的， 一般都包含兩種或兩種以上 地物。這種由多種地物組成的像元被稱為混合像元，其光譜特征是所對應的不同土地覆 蓋類型光譜響應的綜合特征。混合像元在柵格編碼影像中是普遍存在的，所占比重也很 大，尤其在不同類型地物的交界地帶最為普遍，它的存在使同一類型或屬性地物的遙感 影像灰度值具有一定的變化范圍。解決混合像元的問題能夠進一步細化影像分類結果， 使遙感技術應用進入到亞像元尺度，更加詳細地表示地物細節信息，而不僅僅是停留在 像元尺度上，就成為一個必要而且有意義的研究內容。
"軟分類(soft classification)"(相對于"硬分類(hard classification)"而 言)方法在一定程度上克服了混合像元的限制，例如光譜混合模型，監督模糊均值分 類，人工神經網絡，支持向量機，基于知識和基于規則的推理技術等，能夠提供了更為 理想的土地覆蓋類型表達，但是并沒有給出混合像元中每個地物類別的空間分布。像元 內部地物類別的空間分布信息能夠提高一幅粗糙影像的空間分辨率，同時為不確定性的 研究提供更為豐富的信息。Atkinson在1997年首先提出亞像元成像(subpixel mapping) 的概念，即通過假設像元內部和像元之間的空間依賴性(spatial d印endence)，對亞像 元邊界進行映射，確定每個像元內部出現的一定比例的地物類別的位置，以使空間依賴 性達到最大化。其后，許多學者相繼對此提出了一些解決方法。例如，Aplin等在1999 年提出"per-field"方法在亞像元尺度上進行地域邊界定位。Aplin和Atkinson也利 用矢量數據進行像元分割，然后獲得亞像元定位。Schneider提出利用遙感影像邊界特 征的先驗知識實現亞像元的自動定位。Foody利用具有更高空間分辨率的銳化影像，釆 用基于簡單回歸的方法，對更粗分辨率影像的軟分類輸出結果進行銳化，得到亞像元地 物類型圖。Atkinson在2001年又提出遙感影像中的超分辨率目標成像算法解決此問題。 Mertens et al.將遺傳算法與空間依賴性假設進行結合，根據鄰域值參數對像元內部所有可能的亞像元配置進行評價，從而為每一個亞像元分配位置。Tatem等將Hopfield神 經網形式化為能量最小化工具以檢測地物目標，利用軟分類的輸出結果對Hopfield神 經網進行約束，對亞像元定位。Tatem在2003年利用真實的Landsat TM農作物影像對 所提出的方法進行了測試。但是，算法在PII-350計算機上的運行時間分別為約210分 鐘和510分鐘，是令人無法接受的。此外凌峰等還提出基于元胞自動機模型進行亞像元 定位。
上述方法在亞像元成像過程中，不僅依賴于原始影像，還應用了其它相關信息，例 如矢量數據、先驗知識等，而且運算上需要多次迭代，速度較慢。鑒于此，本發明提出 一個混合像元內部地物空間定位的新方法，從而在亞像元的級別上提供了地物類型的邊 界信息，與傳統方法相比，此算法計算簡單，解釋性較強和算法效率高，更為重要的是， 除像元內部各端元組分面積比信息之外，此算法不需要任何其他輔助數據，例如矢量數 據、具有更高分辨率的影像、地物分布特征的先驗知識等。
發明內容
本發明解決的技術問題提供一種基于空間相關性的亞像元空間定位方法，該方法 利用混合像元自身及其鄰域像元的組分面積矢量，計算像元內部基本組分的亞像元空間 分布，進而模擬出較常規遙感分類方法更細的地物邊界，能夠提高遙感影像的分辨率， 更重要的是能夠提高分類的精度。
本發明的技術方案 一種基于空間相關性的亞像元空間定位方法包括如下步驟 步驟1、預處理遙感數據，采集樣本點，進行軟分類獲取被處理影像上每個像元的軟分 類信息，即每個像元內部的各組分也稱作端元的面積矢量或稱豐度；
步驟2、設置亞像元放大系數N， N=4m, m = 1, 2, 3…，為自然數； 步驟3、根據設置的亞像元放大系數，利用混合像元自身及其鄰域8個像元的組分面積 矢量，計算鄰域像元及混合像元自身對混合像元內部各組分的貢獻，即計算每個鄰域像元 在其對應的邊界線段上對中心像元各組分空間分布的貢獻，這種貢獻表現為在對應的線 段上的長度和位置，因此在這一步中首先計算鄰域像元在對應線段上的長度，然后計算 在對應線段上的位置，進一步計算混合像元自身得組分面積矢量在混合像元內部對應的 長度和位置；
步驟4、根據鄰域像元對中心混合像元的貢獻和自身組分對中心混合像元的線段的位置， 確定中心混合像元內部各組分的空間分布，即得到原始影像中每個像元內部各組分的空間 分布。
所述步驟3中利用混合像元自身及其鄰域像元的組分面積矢量，計算每個像元內部各基本組分的亞像元空間分布，假如混合像元內部有三類地物'A， B'鄰'C，首先要計算鄰域8個
像元對中心混合像元的貢獻，即計算每個鄰域像元在其對應的邊界線段上對中心混合像
元A組分空間分布的貢獻，這種貢獻表現為在對應的線段上的長度和位置；其次，計算 中心像元內部線段位置。在確定了全部鄰域像元和中心混合像元在其邊界和中心線段上 的取值長度和位置之后，將由這些線段確定的邊界點連接成多邊形，得到中心混合像元 內組分A的模擬分布；同樣的過程重復兩次，就可以模擬出背景組分B和C在中心混合
像元內的空間分布。
本發明與現有技術相比的優點在于本發明利用空間相關性提出一個混合像元內部地 物空間定位方法，從而在亞像元的級別上提供了地物類型的邊界信息，與傳統方法相比，此 算法計算簡單，解釋性較強和算法效率高，更為重要的是，除像元內部各端元組分面積比信 息之外，此算法不需要任何其他輔助數據，例如矢量數據、具有更高分辨率的影像、地物分 布特征的先驗知識等。
圖1為本發明的主流程圖2為中心像元及其鄰域像元集合；
圖3為中心像元尸。鄰域像元尸,在像元^內部和邊界上的對應關系。
具體實施例方式
如圖1所示，本發明的具體實施步驟如下
步驟l，預處理遙感數據，采集樣本點，進行軟分類獲取被處理影像上每個像元的軟分 類信息，即每個像元內部的端元組分面積矢量或稱豐度。
假定一個混合像元包含兩種組分類型A、 B，當取一階鄰域時就可以得到圖2中所
示的中心像元4和其鄰域像元f的空間分布示意圖。中心像元尸c.內部兩種組分類型所占
面積比記為(ac,6^，各鄰域像元《中兩種組分類型面積比記為"，6,}。像元內部各組分 所占面積比滿足下列條件"C+6C=1;《+6,=1, !:0,1,…，V-1 。把這些軟分類信息
作為輸入數據。
步驟2，設置亞像元放大系數N， N=4m, m = 1， 2, 3…，其目的在于將混合像元內部 細化的程度，如111=1， N-4，這表明每個混合像元被細分為4 x 4個亞像元，如果m^2， 則N-8，這表明每個混合像元被細分為8 x 8個亞像元。
步驟3，計算鄰域像元及混合像元自身對混合像元內部各組分的貢獻 (1)計算鄰域像元對中心混合像元的貢獻即計算每個鄰域像元在其對應的邊界線段上對中心像元各組分空間分布的貢獻，定 義為F。這種貢獻r表現為在對應的線段上的長度和位置。例如，在圖3中，P。與線段
^5對應，其對中心像元的貢獻p^的長度直接可以通過像元尸。內部組分計算。為后面計
算方便，再次將線段^58等分，等分點分別標以7;、 r2、石、r、 r4、 r5、 r6，如圖3 中爿萬線段上所示。這里組分a在A邊界線段^s上的取值記為
其中，I l表示長度；[x]表示實數;c的圓整數(rounded rmmber)，即最接近于x的 整數。
當0<^<1時，需要進一步確定F^在線段^5上的取值位置。F^位置的確定過程 分為兩步
(1) 初始位置rj^的確定從線段^4S的中點r開始，分別向兩側依次取等分點，直 至長度與已8相等。若^^表示的長度關于r不對稱，則^s的位置更靠近兩個相鄰像元 中組分面積a,更大的一側。圖2中所示，^￡線段上，774標有0.25，也就是說當.a。 =0.25
時，f^)=|774|;同理，。。=0.50時，f^)=|r2r5|; 0。 = 0.75時，-|773 ;|等。
(ii)位置偏移量a^的確定初始位置f:確定之后，如果a^a，則需要將f^向 a、 ^中較大的像元一側進行偏移，偏移量由下式確定-
<formula>formula see original document page 6</formula>
其中，省略了偏移量A^的單位。容易看出，A朋的單位為，，即線段乂S上的一
8
個8等分線段的長度。其余鄰域像元對中心像元的貢獻也可以通過類似的方法來確定。
(2) 計算中心混合像元內部線段位置
中心混合像元尸c對應十字交叉線段MCW、尸Og。 MCW、尸C^為過像元尸c的中心 點O,且互相垂直、長度相等的兩條線段，長度都等于像元^邊長的1/2，且O戶-OQ， (9M-CW。將線段尸2、層八等分，等分點分別為^、 F2、 K、 (9、 K、 F5、 r6， lt3、 t/2、 t/,、 O、 f/4、 "、 f/6，如圖3所示。像元尸c與線段MO/v、 POg對應，也就是說， 在水平方向上，組分a在像元4中所占面積&的值，以及與尸「相鄰的兩個鄰域像元戶6、A中A、 ^之間的大小關系，確定了組分A在線段MCW上的取值長度和位'置。同理， 在垂直方向上，組分A在像元A中所占面積+的值，以及與尸,、相鄰的兩個鄰域像元戶。、
i^中a。、 ^之間的大小關系，共同確定組分A在線段PC^上的取值長度和位置。組分A 在像元尸c中所占面積&的值確定了組分A的空間分布在線段MCW、 POg上的取值長 度。取值規則與前面所述的規則相同，只是對于中心像元^.自身來說，取值規則應該先 后應用在兩條線段MCW、尸OG上，即在水平方向上，由^值的大小以及^、 ^之間的 大小關系共同確定在線段MOiV上的取值長度和位置；而在垂直方向上，則由&值的大 小以及a。、 "4之間的大小關系共同確定在線段戶02上的取值長度和位置。
步驟4，根據鄰域像元對中心混合像元的貢獻和自身組分對中心混合像元的線段的位置， 確定中心混合像元尸。.內部各組分的空間分布，進而得到整個原始影像中每個像元內部各組 分的空間分布。
在確定了全部鄰域像元S和中心像元《,在^的邊界和中心線段上的取值長度和位 置之后，將由這些線段確定的邊界點連接成多邊形，就得到了像元g.內組分A的模擬分 布。同樣的過程重復一次，可以由6,、 ^的值模擬出背景組分B在像元4內的空間分布。
依此類推，多類別組分也可以通過此方法獲得各組分在亞像元的空間分布。
以上所述僅為本發明的優選實施例而已，并不用于限制本發明，對于本領域的技術 人員來說，本發聽可以有各種更改和變化。凡在本發明的精神和原財之內，所作的任何 修改、等同替換、改進等，均應包含在本發明的權利要求范圍之內。
權利要求
1、一種基于空間相關性的亞像元空間定位方法，其特征在于步驟如下步驟1、預處理遙感數據，采集樣本點，進行軟分類獲取被處理影像上每個像元的軟分類信息，即每個像元內部的各組分面積矢量或稱豐度；步驟2、設置亞像元放大系數N，N＝4m，m＝1，2，3…；步驟3、根據設置的亞像元放大系數，利用混合像元自身及其鄰域8個像元的組分面積矢量，計算鄰域像元及混合像元自身對混合像元內部各組分的貢獻，即計算每個鄰域像元在其對應的邊界線段上對中心像元各組分空間分布的貢獻，其計算方法為首先計算鄰域像元在對應線段上的長度，然后計算在對應線段上的位置，再計算混合像元自身得組分面積矢量在混合像元內部對應的長度和位置；步驟4、根據鄰域像元對中心混合像元的貢獻和自身組分對中心混合像元的線段的位置，確定中心混合像元內部各組分的空間分布，即得到原始影像中每個像元內部各組分的空間分布。
2、 根據權利要求1所述的基于空間相關性的亞像元空間定位方法，其特征在于所述第二步中設置亞像元放大系數的m = 1， N=4;或m = 2 ， N=8。
3、 根據權利要求1所述的基于空間相關性的亞像元空間定位方法，其特征在于所述 步驟3中利用混合像元自身及其鄰域像元的組分面積矢量，計算每個像元內部各基本組分的 亞像元空間分布假如混合像元內部有三類地物A， B和C，首先要計算鄰域8個像元對中 心混合像元的貢獻，即計算每個鄰域像元在其對應的邊界線段上對中心混合像元A組分 空間分布的貢獻，這種貢獻表現為在對應的線段上的長度和位置；其次，計算中心像元 內部線段位置。在確定了全部鄰域像元和中心混合像元在其邊界和中心線段上的取值長 度和位置之后，將由這些線段確定的邊界點連接成多邊形，得到中心混合像元內組分A 的模擬分布；同樣的過程重復兩次，就可以模擬出背景組分B和C在中心混合像元內的 空間分布。
全文摘要
本發明是一種基于空間相關性的亞像元空間定位方法。包括利用混合像元自身及其鄰域像元的組分(端元)面積矢量或稱豐度，計算像元內部基本組分的亞像元空間分布，進而模擬出較常規遙感分類方法更細的地物邊界。本發明具有實用性廣、模擬精度高等優點，適用于遙感數據進行目標提取、土地利用變化監測、環境污染評價、自然災害分析等地學信息提取和地學數據挖掘工作。
文檔編號G01S17/00GK101561882SQ20091008547
公開日2009年10月21日 申請日期2009年5月22日 優先權日2009年5月22日
發明者李三平, 詠 葛 申請人:中國科學院地理科學與資源研究所