(19)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 202210900169.7 (22)申请日 2022.07.28 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 王巍　李杏梅　范朋沅　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 吴晓茜 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/74(2022.01) (54)发明名称 基于rank-order局部邻域约束的NM F遥感图 像解混方法及系统 (57)摘要 本发明涉及遥感图像处理领域， 提供一种基 于rank‑order局部邻域约束的NM F遥感图像解 混 方法及系统， 包括： S1： 获取高光谱数据， 通过 VCA‑FCLS对高光谱数据进行初始化， 获得初 始端 元矩阵和初始丰度矩阵， 将初始端元矩阵作为当 前端元矩阵， 将初始丰度矩阵作为当前丰度矩 阵； S2： 对当前端元矩阵和当前丰度矩阵进行更 新， 获得更新后的端元矩阵和更新后的丰度矩 阵； S3： 若达到最大迭代次数或者误差小于规定 的阈值， 则输出更新后的端元矩阵和更新后的丰 度矩阵； 否则将更新后的端元矩阵作为当前端元 矩阵， 将更新后的丰度矩阵作为当前丰度矩阵， 返回步骤S2 。 本发明能够有效的减少在计算空间 距离加权时所产生的误差， 对解 混精度的提升有 积极作用。 权利要求书2页 说明书9页 附图5页 CN 115331101 A 2022.11.11 CN 115331101 A 1.一种基于ran k‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 包括： S1： 获取高光谱数据， 通过VCA ‑FCLS对高光谱数据进行初始化， 获得初始端元矩阵和初 始丰度矩阵， 将初始端元矩阵作为当前端元矩阵， 将初始丰度矩阵作为当前丰度矩阵； S2： 通过基于rank ‑order距离的自适应局部邻域算法对当前端元矩阵和当前丰度矩阵 进行更新， 获得 更新后的端元矩阵和更新后的丰度矩阵； S3： 若达到最大迭代次数或者误差小于规定的阈值， 则输出更新后的端元矩阵和更新 后的丰度矩阵； 否则将更新后的端元矩阵作为当前端元矩阵， 将更新后的丰度矩阵作为当 前丰度矩阵， 返回步骤S2。 2.根据权利 要求1所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S2具体为： S21： 定义xi为高光谱数据X的第i列， xj为X的第j列， 将xi设置为中心像 元， 将xj设置为局 部邻域像元， 计算获得中心像元与局部邻域像元间的不对称距离d(xi,xj)， 以及局部邻域像 元与中心像元间的不对称距离d(xj,xi)； S22： 通过d(xi,xj)和d(xj,xi)计算获得中心像元xi与局部邻域像元xj间的rank ‑order 距离Υ； S23： 计算获得局部邻域像元xj对中心像元xi的距离权重Pij， 以及局部邻域像元xj对中 心像元xi的总权重 χi； S24： 通过总权 重 χi计算获得权 重矩阵W， 通过距离 权重Pij计算获得变量矩阵Sw； S25： 对当前端元矩阵进行更新， 获得第一增广矩阵Xf、 第二增广矩阵Af和更新后的端元 矩阵； S26： 通过权重矩阵W、 变量矩阵Sw、 第一增广矩阵Xf和第二增广矩阵Af对当前丰度矩阵 进行更新， 获得 更新后的丰度矩阵。 3.根据权利 要求2所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S23中距离 权重Pij的计算公式为： 其中， Υ表示rank ‑order距离， σ 表示曲线的曲率调节参数， β 表示目标点与局部邻域间 丰度的相似性； 总权重 χi的计算公式为： 其中， N(i)表示高光谱数据第i列像元的集 合， N表示高光谱数据的像元总数。 4.根据权利 要求2所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S24具体为： 权重矩阵W的计算公式为： 权　利　要　求　书 1/2 页 2 CN 115331101 A 2其中， χi为局部邻域像元xj对中心像元xi的总权重； P表示端元数量； N表示高光谱数据 的像元总数； Sw的i列表示 为 sj表示丰度矩阵S的第j行， N(i)表示高光谱数据第i列像元的集 合。 5.根据权利 要求2所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S25具体为： 当前端元矩阵的更新计算公式为： A'←A.*(XST)./(ASST) 其中， A'表示更新后的端元矩阵， A表示当前端元矩阵， .*表示矩阵对应元素相乘， ./表 示矩阵元 素对应相除， (.)T表示矩阵的转置， S表示丰度矩阵； 其中， δ 是一个正常数， 用于调整丰度和为1的约束， δ越大， S的每一列的和越接 近1。 6.根据权利 要求2所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S26中更新后的丰度矩阵的计算公式为： 其中， S'表示更新后的丰度矩阵， S表示当前丰度矩阵.*表示矩阵对应元素相乘， ./表 示矩阵元 素对应相除， λ表示可调参数。 7.根据权利 要求2所述的基于rank ‑order局部邻域约束的NMF遥感图像解混方法， 其特 征在于， 步骤S3中 阈值的计算公式为： 其中， J(A,S)表示阈值， S表示丰度矩阵， A表示当前端元矩阵， S表示丰度矩阵， si表示丰 度矩阵S的第i列， sj表示丰度矩阵S的第j 行， λ表示可调参数， N(i)表示高光谱数据第i列像 元的集合， N表示高光谱数据的像元总数。 8.一种基于ran k‑order局部邻域约束的NMF遥感图像解混系统， 其特 征在于， 包括： 初始化模块， 用于获取高光谱数据， 通过VCA ‑FCLS对高光谱数据进行初始化， 获得初始 端元矩阵和初始丰度矩阵， 将初始端元矩阵作为当前端元矩阵， 将初始丰度矩阵作为当前 丰度矩阵； 更新模块， 用于通过基于rank ‑order距离的自适应局部邻域算法对当前端元矩阵和当 前丰度矩阵进行 更新， 获得 更新后的端元矩阵和更新后的丰度矩阵； 输出模块， 若达到最大迭代次数或者误差小于规定的阈值， 则输出更新后的端元矩阵 和更新后的丰度矩阵； 否则将更新后的端元矩阵作为当前端元矩阵， 将更新后的丰度矩阵 作为当前丰度矩阵， 返回更新模块。权　利　要　求　书 2/2 页 3 CN 115331101 A 3