一种铁矿高光谱数据融合方法及系统实用新型专利

专利名称：一种铁矿高光谱数据融合方法及系统

专利类型：实用新型专利

专利申请号：CN202411111356.2

专利申请（专利权）人：本溪钢铁(集团)有限责任公司
权利人地址：辽宁省本溪市平山区人民路16号

专利发明（设计）人：发明人:李庚辉,任晓行

专利摘要：本申请涉及遥感数据融合技术领域，具体涉及一种铁矿高光谱数据融合方法及系统，该方法包括：采集铁矿目标区域的高光谱数据与多光谱数据；对高光谱数据与多光谱数据分别进行多次曲线拟合，确定每次曲线拟合后多光谱拟合曲线的差异系数；获取多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性；基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；得到高光谱拟合曲线在各波段的局部差异因子；获取高光谱数据在各波段的权重；将高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果。从而提高对铁矿高光谱数据融合的准确度。

主权利要求：
1.一种铁矿高光谱数据融合方法，其特征在于，该方法包括以下步骤：
采集铁矿目标区域的高光谱数据与多光谱数据，对高光谱数据进行插值处理；
获取多光谱数据对应传感器的光谱响应函数，对多光谱数据与插值处理后的高光谱数据基于同一位置像元在所有波段的反射率分别进行多次曲线拟合，基于多光谱拟合曲线上函数值与所述光谱响应函数上函数值的差异，确定每次曲线拟合后多光谱拟合曲线的差异系数；分析每次曲线拟合的高光谱拟合曲线与多光谱拟合曲线的相关性，结合所述差异系数，确定多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性；
基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；分析最终的高光谱拟合曲线在各波段内的反射率与最终的多光谱拟合曲线对应区域内反射率的相关性，得到高光谱拟合曲线在各波段的局部差异因子；基于所述局部差异因子获取插值处理后的高光谱数据中各像元在各波段的权重；
基于所述权重将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果。
2.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述差异系数的确定包括：
计算所述光谱响应函数中各波段内任一整数波长对应的函数值与所述任一整数波长在多光谱拟合曲线上对应函数值的乘积，计算多光谱拟合曲线各波段内所有所述乘积的均值，计算各波段内所述均值与波段内中心波长在多光谱拟合曲线上对应函数值的差异，将多光谱拟合曲线所有波段的所述差异的相加结果，作为所述差异系数。
3.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述曲线相似性的确定包括：针对任一次曲线拟合，在多光谱拟合曲线与高光谱拟合曲线上分别均匀选取预设数量个数据点，组成对应拟合曲线的趋势变化序列，计算多光谱拟合曲线与高光谱拟合曲线的所述趋势变化序列的度量距离，以及相关性，将该相关性记为第一相关性，计算所述度量距离与所述任一次曲线拟合对应的所述差异系数的和值，将所述第一相关性与所述和值的比值，作为所述曲线相似性。
4.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述最终的多光谱拟合曲线与高光谱拟合曲线为所述曲线相似性最大值对应拟合次数下的多光谱拟合曲线与高光谱拟合曲线。
5.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述局部差异因子的确定包括：基于最终的高光谱拟合曲线与多光谱拟合曲线获取第一反射率序列、第二反射率序列；
采用序列分解算法获取所述第一反射率序列的趋势序列，计算所述趋势序列与对应的所述第二反射率序列的相关性，记为第二相关性，计算高光谱拟合曲线在各波段内的决定系数，将所述第二相关性与所述决定系数的和值的反向映射值，作为所述局部差异因子。
6.如权利要求5所述的一种铁矿高光谱数据融合方法，其特征在于，所述第一反射率序列、第二反射率序列的确定包括：将最终的高光谱拟合曲线的各波段内所有整数波长对应的反射率组成反射率序列，记为第一反射率序列，基于所述第一反射率序列的波长范围在最终的多光谱拟合曲线上获取对应的反射率序列，记为第二反射率序列。
7.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述各波段的权重的确定过程为：统计高光谱数据各像元在所有波段的所述局部差异因子的最大值与最小值，计算高光谱数据各像元在各波段的局部差异因子分别与所述最大值以及所述最小值的差异，记为第一差异、第二差异，基于所述第一差异与所述第二差异确定所述各波段的权重；所述各波段的权重与所述第一差异成正相关关系，与所述第二差异成负相关关系。
8.如权利要求1所述的一种铁矿高光谱数据融合方法，其特征在于，所述将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，包括：基于同一位置的像元，计算多光谱数据在各波段的反射率与在所有波段的反射率的累加结果的比值，计算高光谱数据在各波段的权重与反射率的乘积，记为第一乘积，计算高光谱数据在所有波段的所述第一乘积的累加值，基于所述累加值与所述比值确定高光谱数据融合后在各波段的反射率。
9.如权利要求8所述的一种铁矿高光谱数据融合方法，其特征在于，所述高光谱数据融合后在各波段的反射率为所述累加值与所述比值的乘积。
10.一种铁矿高光谱数据融合系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑9任意一项所述方法的步骤。 说明书 : 一种铁矿高光谱数据融合方法及系统技术领域[0001] 本申请涉及遥感数据融合技术领域，具体涉及一种铁矿高光谱数据融合方法及系统。背景技术[0002] 目前使用高光谱遥感数据进行铁矿分布、铁矿品位的确定，已变得较为广泛。然而，高光谱是采用窄而连续的光谱通道进行遥感影像的生成，能够同时获取几十甚至数百个光谱波段，具有较高的光谱分辨率，但是由于成像传感器的限制，导致了高光谱图像的空间分辨率相对较低，从而使得采集到的空间特征不足。[0003] 在这种情况下，往往是将高光谱数据与多光谱数据进行融合，多光谱数据具有相对较高的空间分辨率。然而由于两种光谱数据的空间分辨率不同，现有技术在融合时，通常利用插值法对高光谱数据进行上采样，进而再进行融合。这种方式忽略了高光谱数据上采样带来的误差，采集到的高光谱数据和上采样获取的数据，在与多光谱数据进行融合时具有相同的权重，将导致上采样获取的数据的误差传播到融合后的数据中，影响高光谱数据融合的准确性。发明内容[0004] 为了解决上述技术问题，本申请的目的在于提供一种铁矿高光谱数据融合方法及系统，所采用的技术方案具体如下：[0005] 第一方面，本申请实施例提供了一种铁矿高光谱数据融合方法，该方法包括以下步骤：[0006] 采集铁矿目标区域的高光谱数据与多光谱数据，对高光谱数据进行插值处理；[0007] 获取多光谱数据对应传感器的光谱响应函数，对多光谱数据与插值处理后的高光谱数据基于同一位置像元在所有波段的反射率分别进行多次曲线拟合，基于多光谱拟合曲线上函数值与所述光谱响应函数上函数值的差异，确定每次曲线拟合后多光谱拟合曲线的差异系数；分析每次曲线拟合的高光谱拟合曲线与多光谱拟合曲线的相关性，结合所述差异系数，确定多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性；[0008] 基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；分析最终的高光谱拟合曲线在各波段内的反射率与最终的多光谱拟合曲线对应区域内反射率的相关性，得到高光谱拟合曲线在各波段的局部差异因子；基于所述局部差异因子获取插值处理后的高光谱数据中各像元在各波段的权重；[0009] 基于所述权重将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果。[0010] 在其中一种实施例中，所述差异系数的确定包括：[0011] 计算所述光谱响应函数中各波段内任一整数波长对应的函数值与所述任一整数波长在多光谱拟合曲线上对应函数值的乘积，计算多光谱拟合曲线各波段内所有所述乘积的均值，计算各波段内所述均值与波段内中心波长在多光谱拟合曲线上对应函数值的差异，将多光谱拟合曲线所有波段的所述差异的相加结果，作为所述差异系数。[0012] 在其中一种实施例中，所述曲线相似性的确定包括：[0013] 针对任一次曲线拟合，在多光谱拟合曲线与高光谱拟合曲线上分别均匀选取预设数量个数据点，组成对应拟合曲线的趋势变化序列，计算多光谱拟合曲线与高光谱拟合曲线的所述趋势变化序列的度量距离，以及相关性，将该相关性记为第一相关性，计算所述度量距离与所述任一次曲线拟合对应的所述差异系数的和值，将所述第一相关性与所述和值的比值，作为所述曲线相似性。[0014] 在其中一种实施例中，所述最终的多光谱拟合曲线与高光谱拟合曲线为所述曲线相似性最大值对应拟合次数下的多光谱拟合曲线与高光谱拟合曲线。[0015] 在其中一种实施例中，所述局部差异因子的确定包括：[0016] 基于最终的高光谱拟合曲线与多光谱拟合曲线获取第一反射率序列、第二反射率序列；[0017] 采用序列分解算法获取所述第一反射率序列的趋势序列，计算所述趋势序列与对应的所述第二反射率序列的相关性，记为第二相关性，计算高光谱拟合曲线在各波段内的决定系数，将所述第二相关性与所述决定系数的和值的反向映射值，作为所述局部差异因子。[0018] 在其中一种实施例中，所述第一反射率序列、第二反射率序列的确定包括：[0019] 将最终高光谱拟合曲线的各波段内所有整数波长对应的反射率组成反射率序列，记为第一反射率序列，基于所述第一反射率序列的波长范围在最终的多光谱拟合曲线上获取对应的反射率序列，记为第二反射率序列。[0020] 在其中一种实施例中，所述各波段的权重的确定过程为：[0021] 统计高光谱数据各像元在所有波段的所述局部差异因子的最大值与最小值，计算高光谱数据各像元在各波段的局部差异因子分别与所述最大值以及所述最小值的差异，记为第一差异、第二差异，基于所述第一差异与所述第二差异确定所述各波段的权重；所述各波段的权重与所述第一差异成正相关关系，与所述第二差异成负相关关系。[0022] 在其中一种实施例中，所述将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，包括：[0023] 基于同一位置的像元，计算多光谱数据在各波段的反射率与在所有波段的反射率的累加结果的比值，计算高光谱数据在各波段的权重与反射率的乘积，记为第一乘积，计算高光谱数据在所有波段的所述第一乘积的累加值，基于所述累加值与所述比值确定高光谱数据融合后在各波段的反射率。[0024] 在其中一种实施例中，所述高光谱数据融合后在各波段的反射率为所述累加值与所述比值的乘积。[0025] 第二方面，本申请实施例还提供了一种铁矿高光谱数据融合系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。[0026] 本申请至少具有如下有益效果：[0027] 本申请通过采集铁矿目标区域的高光谱数据与多光谱数据，对高光谱数据进行插值处理，获取多光谱数据对应传感器的光谱响应函数，对多光谱数据与插值处理后的高光谱数据基于同一位置像元在所有波段的反射率分别进行多次曲线拟合，基于多光谱拟合曲线上函数值与所述光谱响应函数上函数值的差异，确定每次曲线拟合后多光谱拟合曲线的差异系数；差异系数反映了多光谱拟合曲线的拟合效果，分析每次曲线拟合高光谱数据与多光谱数据的拟合曲线的相关性，结合所述差异系数，确定多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性，以多光谱拟合曲线作为参考，提高了高光谱拟合曲线确定的准确性，降低了高光谱拟合曲线产生的误差对后续数据融合造成的影响；基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；分析高光谱拟合曲线在各波段内的反射率与多光谱拟合曲线对应区域内反射率的相关性，得到高光谱拟合曲线在各波段的局部差异因子，进一步确定高光谱拟合曲线在局部区间内出现的误差，反映了高光谱插值数据的误差影响程度，基于所述局部差异因子获取插值处理后的高光谱数据在各波段的权重，结合了高光谱插值数据的误差影响，提高了高光谱数据在各波段的权重确定的精度，避免了高光谱插值数据造成的误差传播现象，基于所述权重将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果，提高了高光谱数据与多光谱数据融合的准确度。附图说明[0028] 为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0029] 图1为本申请一个实施例提供的一种铁矿高光谱数据融合方法的步骤流程图；[0030] 图2为高光谱数据融合指标构建流程图。具体实施方式[0031] 为了更进一步阐述本申请为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请提出的一种铁矿高光谱数据融合方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0032] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。[0033] 下面结合附图具体的说明本申请所提供的一种铁矿高光谱数据融合方法及系统的具体方案。[0034] 请参阅图1，其示出了本申请一个实施例提供的一种铁矿高光谱数据融合方法的步骤流程图，该方法包括以下步骤：[0035] S1，采集铁矿目标区域的高光谱数据与多光谱数据，并进行预处理。[0036] 利用无人机搭载多光谱相机，对铁矿目标区域进行拍摄，获取铁矿目标区域的多光谱数据；利用无人机搭载高光谱成像系统，对铁矿目标区域进行拍摄，获取铁矿目标区域的高光谱数据。[0037] 分别对获取的多光谱数据和高光谱数据进行大气校正，大气校正方法为现有公知技术，具体过程本申请不再赘述，实施者可根据实际情况选择现有其他可行的数据校正算法，本申请对此不做限制。[0038] 根据铁矿物的光谱曲线特征，在400 1000nm区间内存在较强的Fe光谱吸收带，因~此本实施例获取的多光谱数据和高光谱数据的波长区间在400 1000nm。~[0039] 高光谱数据往往包含几十甚至数百个连续的波段，并且每个波段长为10 20nm，从~而高光谱数据可以采集到大量的细节特征，但与此同时也带来了空间特征不足的缺陷，空间分辨率相对较低；而多光谱数据采集的波段数量较少且波段较长，从而使得包含了相对较多的空间特征，具有较高的空间分辨率。为了实现具有较高光谱分辨率的同时，也包含较高空间分辨率的目的，本实施例将高光谱数据和多光谱数据进行融合，具体包括：[0040] 本实施例将采集的高光谱数据采用双三次插值算法进行插值处理，使得插值处理后的高光谱数据的空间分辨率与多光谱数据保持一致。双三次插值算法为现有公知技术，本申请在此不做详细赘述，实施者可根据实际情况选择现有其他可行的插值算法，本申请对此不做限制。本申请后续均针对插值处理后的高光谱数据进行分析。[0041] S2，获取多光谱数据对应传感器的光谱响应函数，对多光谱数据与插值处理后的高光谱数据基于同一位置像元在所有波段的反射率分别进行多次曲线拟合，基于多光谱拟合曲线上函数值与所述光谱响应函数上函数值的差异，确定每次曲线拟合后多光谱拟合曲线的差异系数；分析每次曲线拟合高光谱数据与多光谱数据的拟合曲线的相关性，结合所述差异系数，确定多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性。[0042] 由于多光谱数据和高光谱数据均可以描述同一像元处不同地物的反射率，而同一像元处的地物是相同的，从而多光谱数据和高光谱数据的地物反射光谱曲线应该是相同或高度相似的，所述地物反射光谱曲线可以通过光谱数据拟合得到。但是多光谱数据往往具有的波段数较少且不连续，而高光谱数据具有连续的大量波段数，从而理论上高光谱数据拟合得到的地物反射光谱曲线的效果更好，但由于高光谱数据中存在大量利用双三次插值生成的数据，从而使得拟合出的地物反射光谱曲线可能存在过拟合的问题，因此需要利用多光谱数据的地物反射光谱曲线进行参考修正。[0043] 本实施例以单个像元的高光谱数据为例进行后续分析，将高光谱数据中每个波段的中心波长作为自变量，每个波段的反射率作为因变量，从而可以获取一系列的高光谱数据点，将这些高光谱数据点作为输入，采用多项式拟合，输出拟合的高光谱地物反射光谱曲线的函数。将高光谱地物反射光谱曲线记为高光谱拟合曲线。[0044] 然后将多光谱数据中每个波段的中心波长作为自变量，每个波段的反射率作为因变量，获取一系列的多光谱数据点，将这些多光谱数据点同样采用多项式拟合，输出多光谱地物反射光谱曲线的函数。将多光谱地物反射光谱曲线记为多光谱拟合曲线。[0045] 需要说明的是，高光谱数据和多光谱数据在利用多项式拟合时的拟合次数相同，首次拟合的拟合次数为1，多项式拟合为现有公知技术，本申请在此不做详细赘述。[0046] 首先，确定多光谱地物反射光谱曲线的差异系数，判断多光谱地物反射光谱曲线的拟合效果。具体为：获取采集的多光谱数据对应的多光谱传感器的光谱响应函数，其中，光谱响应函数的获取为现有公知技术，本申请在此不做详细赘述。计算光谱响应函数中各波段内任一整数波长对应的函数值与所述任一整数波长在多光谱拟合曲线上对应函数值的乘积，计算多光谱拟合曲线各波段内所有所述乘积的均值，计算各波段内所述均值与波段内中心波长在多光谱拟合曲线上对应函数值的差异，将多光谱拟合曲线所有波段的所述差异的相加结果，作为多光谱地物反射光谱曲线的差异系数。[0047] 需要说明的是，差异体现了两个数据之间的差别程度，具体可以采用差值、差值绝对值、比值等方式进行计算，本申请采用差值绝对值的方式进行差异的计算。[0048] 本实施例中多光谱地物反射光谱曲线的差异系数的表达式可以为：[0049] ；式中，表示多光谱地物反射光谱曲线的差异系数， 表示在多光谱传感器的光谱响应函数中第j个波段的第i个整数波长的光谱响应函数值， 表示在多光谱地物反射光谱曲线中第j个波段的第i个整数波长对应的函数值，表示第j个波段内整数波长的数量， 表示在多光谱地物反射光谱曲线中第j个波段的中心波长对应的函数值， 表示求均值函数，表示多光谱数据对应的波段数量。[0050] 本实施例中，将在多光谱传感器的光谱响应函数中各波段的各整数波长的光谱响应函数值作为权重，通常情况下，当多光谱地物反射光谱曲线一个波段内所有波长的函数值的加权均值，即 ，越接近于该波段的中心波长的函数值，则表示该波段对应的拟合曲线的拟合效果越好，当多光谱地物反射光谱曲线的差异系数 越小，表示多光谱地物反射光谱曲线的拟合效果越好。[0051] 进一步，分析高光谱拟合曲线与多光谱拟合曲线的相关性，结合所述差异系数，确定多光谱曲线与高光谱拟合曲线之间的曲线相似性，具体为：[0052] 在多光谱拟合曲线与高光谱拟合曲线上分别均匀选取预设数量个数据点，按照对应的波长升序排列，组成多光谱拟合曲线的趋势变化序列，以及高光谱拟合曲线的趋势变化序列，计算多光谱拟合曲线的趋势变化序列与高光谱拟合曲线的趋势变化序列的度量距离，计算多光谱拟合曲线的趋势变化序列与高光谱拟合曲线的趋势变化序列的相关性，记为第一相关性。本实施例中预设数量的取值为50，实施者可根据实际情况自行设定，本申请对此不做限制。[0053] 需要说明的是，度量距离可以采用欧氏距离、DTW距离、曼哈顿距离等方式进行计算，本申请采用欧氏距离作为度量距离的计算方式；相关性可以采用余弦相似性、皮尔逊相关系数等方式进行计算，本申请采用皮尔逊相关系数作为相关性的计算方式。[0054] 本实施例中，多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性A的表达式可以为：[0055] ；P为多光谱拟合曲线的趋势变化序列与高光谱拟合曲线的趋势变化序列的所述第一相关性，O为多光谱拟合曲线的趋势变化序列与高光谱拟合曲线的趋势变化序列的度量距离，表示多光谱地物反射光谱曲线的差异系数。[0056] 由于多光谱数据量较少，从而多光谱数据拟合出的曲线只能反应地物反射率整体的变化趋势，而出现细节上过拟合的风险较小。当高光谱数据拟合出的高光谱地物反射光谱曲线不存在过拟合风险时，拟合出的高光谱地物反射光谱曲线与多光谱地物反射光谱曲线之间的变化趋势应该越相似，从而高光谱地物反射光谱曲线与多光谱地物反射光谱曲线的趋势变化序列具有较强的相关关系，即 接近1；且高光谱地物反射光谱曲线与多光谱地物反射光谱曲线的距离越近，说明高光谱地物反射光谱曲线与多光谱地物反射光谱曲线的拟合结果越相似，拟合出的高光谱地物反射光谱曲线越接近实际的地物反射光谱曲线，即越小；而多光谱地物反射光谱曲线的拟合程度越好，越小；从而多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性越大。[0057] S3，基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；分析高光谱拟合曲线在各波段内的反射率与多光谱拟合曲线对应区域内反射率的相关性，得到高光谱拟合曲线在各波段的局部差异因子；基于所述局部差异因子获取插值处理后的高光谱数据中各像元在各波段的权重。[0058] 得到利用多项式拟合时首次拟合，即拟合次数为1的多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性后，采用相同的方法，拟合次数依次迭代加1，计算拟合次数为2时多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性，计算拟合次数为3时多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性，以此类推，得到多次拟合次数下多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性，选取曲线相似性最大时对应的多光谱拟合曲线与高光谱拟合曲线，作为最终的高光谱地物反射光谱曲线和多光谱地物反射光谱曲线，用于后续分析。[0059] 在确定高光谱地物反射光谱曲线和多光谱地物反射光谱曲线的过程，是考虑了在所有波段，即波长为400 1000nm的区间范围内的整体变化趋势。但是在波长的局部区间内，~可能仍会存在高光谱地物反射光谱曲线和多光谱地物反射光谱曲线的变化不一致的情况，这种局部的不一致是由于在利用插值法生成高光谱数据时带来的局部误差，后续在进行高光谱数据与多光谱数据的融合时，将会影响融合后高光谱数据的精度。其次，由于在确定多光谱地物反射光谱曲线时考虑了曲线整体的变化趋势以及曲线的拟合程度，因此多光谱地物反射光谱曲线更接近实际的地物反射光谱曲线，若高光谱地物反射光谱曲线与多光谱地物反射光谱曲线在局部区间内的差异越大，说明该局部区间内的高光谱数据存在更大的误差，在后续进行数据融合时，需要赋予更小的权重以降低误差的影响。[0060] 本实施例设定一个长度为t的移动窗口，作为一个局部区间，对高光谱地物反射光谱曲线和多光谱地物反射光谱曲线在移动窗口内进行差异度量，在本实施例中t=10，即为高光谱数据的波段长，所以每个移动窗口对应于高光谱数据中的每个波段，t的取值实施者可根据实际情况自行设定，本申请对此不做限制。[0061] 在高光谱地物反射光谱曲线和多光谱地物反射光谱曲线中，分别获取在对应移动窗口内各整数波长对应的函数值，即高光谱地物反射光谱曲线的第一个移动窗口对应于多光谱地物反射光谱曲线的第一个移动窗口，高光谱地物反射光谱曲线的第二个移动窗口对应于多光谱地物反射光谱曲线的第二个移动窗口，以此类推，得到各对应移动窗口。对于高光谱地物反射光谱曲线，将各移动窗口内所有整数波长对应的函数值按照波长升序的顺序组成各第一反射率序列，对于多光谱地物反射光谱曲线，将各移动窗口内所有整数波长对应的函数值按照波长升序的顺序组成各第二反射率序列。[0062] 由于多光谱地物反射光谱曲线由较少的数据点拟合而成，从而多光谱地物反射光谱曲线的波动不会较为频繁；而高光谱地物反射光谱曲线由较多的数据点构成，为了确定局部区间内曲线的变化趋势，将移动窗口内高光谱地物反射光谱曲线的第一反射率序列作为输入，采用STL时间序列分解算法，输出第一反射率序列的趋势序列。STL时间序列分解算法为现有公知技术，本申请在此不做详细赘述，实施者可根据实际情况选择现有其他可行的时间序列分解算法，本申请对此不做限制。[0063] 计算高光谱地物反射光谱曲线的各第一反射率序列的趋势序列与对应的多光谱地物反射光谱曲线的第二反射率序列的相关性，记为第二相关性，计算高光谱地物反射光谱曲线在各波段，即各移动窗口内的决定系数，将所述第二相关性与所述决定系数的和值的反向映射值，作为高光谱地物反射光谱曲线在各波段的局部差异因子。决定系数的计算为现有公知技术，本申请在此不做详细赘述。[0064] 需要说明的是，反向映射表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大。[0065] 高光谱地物反射光谱曲线在各波段的局部差异因子的表达式可以为：[0066] ： 是高光谱地物反射光谱曲线在第i个波段的局部差异因子， 是高光谱地物反射光谱曲线在第i个波段的第一反射率序列的趋势序列与对应的多光谱地物反射光谱曲线的第二反射率序列的皮尔逊相关系数，即第二相关性，R表示高光谱地物反射光谱曲线在第i个波段的决定系数。[0067] 当一个波段内的高光谱数据存在较大的误差时，该波段内的高光谱地物反射光谱曲线的拟合程度较差，即决定系数 较小；且这个波段内高光谱地物反射光谱曲线中与多光谱地物反射光谱曲线变化趋势差异相对较大，即 较小；从而当一个波段内的高光谱数据存在较大的误差时，这个波段的局部差异因子越大，反之，局部差异因子越小。[0068] 当一个波段内的高光谱数据存在较大的误差时，在进行高光谱数据和多光谱数据的融合时，为了减少融合后数据的误差，这个波段的高光谱数据应给予较小的权重，从而降低误差对融合后数据的影响。[0069] 基于上述分析，计算高光谱数据中各像元在各波段的权重，具体为：统计高光谱数据各像元在所有波段的所述局部差异因子的最大值与最小值，计算高光谱数据各像元在各波段的局部差异因子与所述最大值的差异，记为第一差异，以及与所述最小值的差异，记为第二差异，基于所述第一差异与所述第二差异确定所述各波段的权重；所述各波段的权重与所述第一差异成正相关关系，与所述第二差异成负相关关系。[0070] 应当理解的是，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大。[0071] 本实施例中，高光谱数据中任一像元Q在各波段的权重的表达式可以为：[0072] ； 为高光谱数据中任一像元Q在第i个波段的权重，是任一像元Q的高光谱地物反射光谱曲线在第t个波段的局部差异因子， 是任一像元Q的高光谱地物反射光谱曲线在第e个波段的局部差异因子， 、 分别为取最大值、取最小值函数， 为高光谱数据的波段数量集合，为避免分母为0的常数，本实施例中，实 施 者可 根 据实 际 情 况自 行 设定 ，本申 请 对此 不 做限 制 。将记为第一差异， 记为第二差异。[0073] 当一个波段的高光谱数据存在的误差越大时，该波段的局部差异因子也就越大，从而该波段的权重也就越小。[0074] S4，基于高光谱数据中各像元在各波段的权重将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果。[0075] 最后，基于步骤S2中进行插值处理后的高光谱数据，以及采集的多光谱数据，进行数据融合处理，针对插值处理后的高光谱数据与采集的多光谱数据的同一位置处的像元，采用Brovey变换算法，完成数据融合，本实施例中，具体表达式为：[0076] ；其中， 是数据融合后第 个波段的反射率， 、 分别是多光谱数据第 个、第 个波段的反射率， 、分别是多光谱数据、高光谱数据的波段数量， 是高光谱数据在第 个波段的权重，是高光谱数据在第 个波段的反射率。将 记为第一乘积。高光谱数据融合指标构建流程图如图2所示。[0077] 其中，Brovey变换算法为现有公知技术，本申请对此不做详细赘述。[0078] 对所有位置的像元采用上述Brovey变换算法，完成高光谱数据与多光谱数据的融合。[0079] 基于与上述方法相同的发明构思，本申请实施例还提供了一种铁矿高光谱数据融合系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种铁矿高光谱数据融合方法中任意一项所述方法的步骤。[0080] 综上所述，本申请通过采集铁矿目标区域的高光谱数据与多光谱数据，对高光谱数据进行插值处理，获取多光谱数据对应传感器的光谱响应函数，对多光谱数据与插值处理后的高光谱数据基于同一位置像元在所有波段的反射率分别进行多次曲线拟合，基于多光谱拟合曲线上函数值与所述光谱响应函数上函数值的差异，确定每次曲线拟合后多光谱拟合曲线的差异系数；反映了多光谱拟合曲线的拟合效果，分析每次曲线拟合高光谱数据与多光谱数据的拟合曲线的相关性，结合所述差异系数，确定多光谱拟合曲线与高光谱拟合曲线之间的曲线相似性，以多光谱拟合曲线作为参考，提高了高光谱拟合曲线确定的准确性，降低了高光谱拟合曲线产生的误差对后续数据融合造成的影响；基于所述曲线相似性获取最终的多光谱拟合曲线与高光谱拟合曲线；分析高光谱拟合曲线在各波段内的反射率与多光谱拟合曲线对应区域内反射率的相关性，得到高光谱拟合曲线在各波段的局部差异因子，进一步确定高光谱拟合曲线在局部区间内出现的误差，反映了高光谱插值数据的误差影响程度，基于所述局部差异因子获取插值处理后的高光谱数据在各波段的权重，结合了高光谱插值数据的误差影响，提高了高光谱数据在各波段的权重确定的精度，避免了高光谱插值数据造成的误差传播现象，基于所述权重将插值处理后的高光谱数据与多光谱数据在各波段的反射率进行融合，得到铁矿高光谱数据融合结果，提高了高光谱数据与多光谱数据融合的准确度。[0081] 需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0082] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。[0083] 以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

专利地区：辽宁

专利申请日期：2024-08-14

专利公开日期：2024-10-15

专利公告号：CN118656786B