基于圖形處理器的端元提取純像元指數(shù)方法
【專利摘要】本發(fā)明公開了一種基于圖形處理器的端元提取純像元指數(shù)方法，克服了現(xiàn)有技術中隨著高光譜圖像精度的增加，純像元指數(shù)PPI算法計算復雜度高、對時間的消耗不斷增大，不能滿足空載實時處理的要求的缺點。實現(xiàn)步驟為：(1)輸入數(shù)據(jù)；(2)生成隨機向量；(3)極值投影；(4)確定端元。本發(fā)明具有能能夠實時提取高光譜圖像立方數(shù)據(jù)中的端元信息，為后續(xù)數(shù)據(jù)處理提供了可靠保障，顯著提高了算法的運行效率，降低了運行時間，并達到高光譜場景圖空載實時處理的要求，取得良好性能，并且復雜度有所提高。
【專利說明】基于圖形處理器的端元提取純像元指數(shù)方法

【技術領域】
[0001] 本發(fā)明屬于圖像處理【技術領域】，更進一步涉及高光譜成像遙感【技術領域】中的一種 基于圖形處理器的端元提取純像元指數(shù)方法。本發(fā)明可用于精度更高的高光譜圖像的光譜 解混。

【背景技術】
[0002] 高光譜成像是遙感領域的一門新興技術，通過對地表上同一區(qū)域中被測物的不同 波長輻射響應而生成具有上百個波段的觀測圖像。一個高光譜數(shù)據(jù)立方體通常有上千兆的 數(shù)據(jù)量，高光譜圖像光譜分辨率高、圖譜合一的特點使其在民用和軍用領域發(fā)揮著越來越 大的作用。
[0003] 但是在高光譜立方體圖像數(shù)據(jù)的分析中，最主要的問題是混合像元的存在。尤其 當傳感器的空間分辨率不夠高，在光譜上不能清晰的區(qū)分物質時，這一問題尤為突出。產(chǎn)生 這一問題的主要原因是高光譜圖像有限的空間分辨率。除此之外高光譜圖像中所拍攝物質 本身為混合物，其光譜難以被區(qū)分也是造成這一問題的重要原因。這導致在高光譜場景中 的單一像元所表示的被測物并非某一種特定光譜的純物質，而是由具有不同光譜特性的純 物質的組合。為了更精準的描述被測物質，產(chǎn)生了光譜解混算法。通過光譜解混可將像元 解混成不同的純物質的組合。目前很多具有廣泛應用的光譜解混算法都基于不同端元之間 的相互作用是線性的這一假設。在這一假設下，混合像元能夠被表示為不同端元之間的線 性組合，系數(shù)為豐度值的集合[3-5]。在這種背景下，光譜解混可以采用遙感探測應用中的 關鍵技術--亞像元分析法進行分析處理。近年來，為了解決高光譜場景中端元提取的問 題，許多基于不同概念的端元提取算法應運而生。純像元指數(shù)PPI憑借其在可視化感圖像 處理軟件ENVI中的使用和實用性已被業(yè)界廣泛采用。盡管該算法也被用做其他端元提取 算法的預處理部分，但該算法的思想是具有指導作用的。解決純像元指數(shù)PPI算法高度計 算復雜度，產(chǎn)生了許多并行實現(xiàn)方法。但是這些并行實現(xiàn)方法所依賴的硬件平臺均難以應 用于在野火跟蹤、生物威脅檢測、石油泄漏和化學污染領域中取得良好效果的空載處理中。 考慮到這個原因，純像元指數(shù)PPI算法的實現(xiàn)的研究開始轉向可編程邏輯FPGA和圖形處理 器GPUs等重量較輕的硬件加速器平臺中。于是提出了一種改進的基于圖形處理器GPU的 純像元指數(shù)PPI方法，該方法采用的是統(tǒng)一計算設備架構CUDA，速度與目前其他基于圖形 處理器GPU的純像元指數(shù)PPI算法實現(xiàn)方法相比有顯著提高。同時通過多圖形處理器GPU 并行，實現(xiàn)了高光譜圖像的實時純像元指數(shù)PPI處理。
[0004] 西北工業(yè)大學申請的專利"一種基于優(yōu)化搜索策略的高光譜圖像端元提取方 法"（
【發(fā)明者】吳憲云, 郭杰, 曹金彥, 李云松, 雷杰, 王珂儼, 劉凱 申請人:西安電子科技大學