(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111661452.0 (22)申请日 2021.12.3 0 (71)申请人 声耕智能科技(西安)研究院有限公 司 地址 710075 陕西省西安市雁塔区丈 八街 办丈八四路20号神州 数码科技园5号 楼12层A区C区 (72)发明人 赵敏　陈捷　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 姚咏华 (51)Int.Cl. G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于非线性像元分析的高光谱图像阴 影补偿方法 (57)摘要 本发明公开了一种基于非线性像元分析的 高光谱图像阴影补偿方法， 本发 明的阴影补偿算 法可分为三个部分： 端元提取、 丰度估计和阴影 区域重建。 本发 明根据图像阴影区域像元可能存 在光子的多次相互作用， 首先从图像的阴影区域 和非阴影区域提取端元， 并利用阴影区域的端元 和基于非线性混合模型的解混算法估计阴影区 域像素的丰度。 最后， 利用非阴影区域的端元和 阴影区域的像素丰度值对阴影区域像素进行重 构补偿高光谱图像中的阴影部分。 本发明能够使 用各种非线性解混模型进行对阴影区域像元进 行丰度估计， 并对阴影区域像元进行重构。 权利要求书3页 说明书8页 附图1页 CN 114298940 A 2022.04.08 CN 114298940 A 1.一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， 包括以下步骤： S1， 获取待补偿阴影三维高光谱图像， 对待补偿阴影三维高光谱图像进行重构处理， 得 到二维高光谱图像； S2， 对二维高光谱图像进行端元个数估计， 获得端元个数； S3， 获得待补偿阴影 图像的阴影和非阴影区域划分标签矩阵， 对划分标签矩阵进行重 构， 得到一维划分标签； S4， 根据一维划分标签将二维高光谱图像划分阴影区域 集和非阴影区域 集； S5， 使用向量成分分析端元提取方法对阴影区域进行端元估计， 获得阴影区域的端元 矩阵； S6， 使用向量成分分析端元提取方法对非阴影区域进行端元估计， 获得非阴影区域的 端元矩阵； S7， 使用阴影区域 提取的端元矩阵对阴影区域像元进行丰度估计； S8， 通过使用阴影区域的丰度估计信 息和非阴影区域提取的对应端元来完成阴影区域 的重构。 2.根据权利要求1所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S7中， 使用非线性 解混模型来分析 阴影区域像元， 其优化问题如下： s.t.ai≥0, 其中， x为阴影区域 图像， Φ表示端元和丰度之前的非线性关系， E为端元， a为丰度， 使 用不同的非线性 解混模型进行 阴影区域丰度估计。 3.根据权利要求1所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S7中的具体方法如下： S71， 使用双线性模型进行阴影区域丰度估计， 获得基于双线性模型的阴影区域丰度估 计结果abilinear； S72， 使用p阶多项式来解释光子之间的高阶相互作用， 获得基于双线性模型的阴影区 域丰度估计结果ap； S73， 使用K ‑Hype模型来解释光子之间的高阶相互作用， 获得基于K ‑Hype模型的阴影区 域丰度估计结果aK‑Hype； S74， 使用多重线性混合模型估计阴影区域像元丰度aMLM； S75， 使用深度自编码器解混方法NAE估计阴影区域丰度aNAE。 4.根据权利要求3所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S71中， 双线性模型的解混合 通过求解如下带约束二次问题来实现： s.t.ai≥0, 其中， γij为端元间发生相互作用的概率， ai为第i个端元对应的丰度， aj为第j个端元对权　利　要　求　书 1/3 页 2 CN 114298940 A 2应的丰度， ei为第i个端元， ej为第j个端元， ⊙为点乘。 5.根据权利要求3所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S 72中， 基于p阶多项式模型的阴影区域丰度估计结果ap， 通过求解如下带约 束二次 问题来实现： s.t.ai≥0, 其中， bik为权重系数， 为第i个端元， k 为次幂数。 6.根据权利要求3所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S73中， K ‑Hype模型如下式所示： 其中, 表示e的第l行的转置， ψnlin是定义在再生核希尔伯特空间的实函数,knlin是其 再生核函数， 为e的第l行， nl为噪声n的第l行， 核函数的选择如下： 其中， 为e的第p行， σ 为噪声标准差 。 7.根据权利要求3所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S74中， 多重线性混合模型采用下式表示： 其中， n为噪声， 通过求 解如下优化问题来 解， s.t.ai≥0, 其中， ei为第i个端元。 8.根据权利要求3所述的一种基于非线性像元分析的高光谱图像阴影补偿方法， 其特 征在于， S75中， 阴影区域的模型用下式表示： x＝Ψ(Ea)+n 其中， Ψ为端元和丰度之间的非线性关系， 整个自编码器网络的训练是通过最小化输权　利　要　求　书 2/3 页 3 CN 114298940 A 3