本發(fā)明屬于高光譜遙感領域，具體涉及一種基于子空間的高光譜亞像元目標盲提取檢測方法。
背景技術：
：高光譜成像技術在物質信息探測方面有著舉足輕重的地位，其對遙感領域的發(fā)展起到了重要的作用，高光譜目標檢測是從高光譜影像中識別出地物的關鍵技術，其本質在于判斷目標是否包含于高光譜像素中。在傳感器成像的過程中當目標充滿整個像元時就產(chǎn)生的目標為純像元目標，此類目標利用經(jīng)典檢測方法能夠很容易探測到；當目標尺寸小于一個像元時，它就以亞像元的形式存在，此時的探測就變成亞像元目標探測問題。目標探測發(fā)展過程中常見的模型為線性混合模型，如匹配濾波(MF)算法，約束能量最小化(CEM)算法，非負約束最小二乘方法(NCLS)算法，以及一些基于子空間的檢測算法，如正交子空間投影(OSP)等，同時也出現(xiàn)了基于非線性混合模型的算法，主要是利用核函數(shù)的算法，如Kwon提出的Kernel-RX非線性RX算法等。在礦物探測過程中，部分學者采用機載高光譜數(shù)據(jù)(HyMap)，應用光譜角度模型填圖法(SAM)，加之掩膜技術，對典型蝕變礦物(白云母、綠泥石、綠簾石等)進行匹配識別和信息提取；另一部分學者則采用礦物吸收帶特征對美國Cuprite地區(qū)進行礦物的探測。然而，隨著目標探測技術的發(fā)展，現(xiàn)有的部分算法雖然能在一定程度上滿足探測需求，但是對于一些亞像元目標，卻并不能很好的顯示出其探測效果。技術實現(xiàn)要素：本發(fā)明提出了一種基于子空間的高光譜亞像元目標盲提取檢測方法，以解決現(xiàn)有技術中存在的利用圖像進行礦物勘測效果不佳的問題，進而實現(xiàn)了提高高光譜礦物目標探測效果的目的。本發(fā)明的技術方案如下：一種基于子空間的高光譜亞像元目標盲提取檢測方法，所述方法包括：獲取目標礦物的光譜信號；采用基于均方協(xié)預測誤差盲源提取方法提取疑似信號；將疑似信號進行正交化處理，獲取正交基，構建正交子空間，然后將目標信號投影到子空間中，獲得正交子空間投影算子；通過投影算子計算每個像元的探測值，將探測值最高的像元確定為目標。具體地，上述基于子空間的高光譜亞像元目標盲提取檢測方法，包括以下步驟：步驟1、獲取目標礦物的光譜信號：從光譜庫中提取目標礦物的光譜信號t，求該信號的AR參數(shù)；步驟2、在高光譜圖像中設定一個子窗口xx(n)，窗口大小為a×a，其中，xx(n)＝[xx1,xx2,…,xxk,…xxn],k＝1,2,…,n，xxk＝(xij)a×a,i＝1,2,…,a；j＝1,2,…,a；n為波段數(shù)，xxk為第k個波段圖像的子窗口區(qū)域；步驟3、將步驟1得到的AR參數(shù)作為輸入，在步驟2設定的子窗口中，先將xx(n)轉換為二維，并轉置，轉置后的矩陣大小為a2×n，然后采用MSCPE-BSE算法得到提取系數(shù)c和W，進而得到疑似信號y(n)和w(n)，y(n)＝cTxx(n)，w(n)＝WTxx(n)；其中，c為一個列向量，維數(shù)大小為子窗口像元的個數(shù)(即a×a)，W為MSCPE代價函數(shù)實對稱矩陣奇異值分解后的左奇異矩陣；步驟4、根據(jù)步驟3得到的疑似信號y(n)和w(n)，對y(n)Ty(n)和w(n)Tw(n)分別進行正交化處理，獲得y(n)Ty(n)的正交基Pt，以及w(n)Tw(n)的正交基Ptb，由Pb＝Ptb-Pt，得到不含疑似信號正交基的子空間Pb，然后根據(jù)公式(I-Pb)獲得Pb的補矩陣空間，將目標向量t投影到該補矩陣空間中，得到正交投影算子z：z＝tT(I-Pb)；步驟5、根據(jù)公式dij＝zxij計算得到子窗口中xij像元的探測值dij，從而可獲得所述子窗口中每個像元的探測值；其中，xij為高光譜圖像中的像元向量；步驟6、平行移動子窗口，重復步驟2到步驟5，獲得圖像中每個像元的探測值，探測值最高的像元即確定為目標。更進一步地，所述采用基于均方協(xié)預測誤差盲源提取方法提取疑似信號時采用的是基于均方協(xié)預測誤差(MSCPE)為代價函數(shù)的子空間盲源提取方法，具體過程為：(1)在高光譜圖像中設定一個子窗口xx(n)，窗口大小為a×a，其中，xx(n)＝[xx1,xx2,…,xxk,…xxn],k＝1,2,…,n，xxk＝(xij)a×a,i＝1,2,…,a；j＝1,2,…,a；n為波段數(shù)，xxk為第k個波段圖像的子窗口區(qū)域；(2)根據(jù)目標礦物光譜信號的AR模型的長度，獲取瞬時誤差e(n)＝y(tǒng)(n)-bTY(n)；其中，AR參數(shù)b＝[b1,b2,…,bm,…,bp]T,m＝1,2,…,p，p為AR模型的長度；Y(n)＝[y(n-1),y(n-2),…,y(n-m),…y(n-p)]T，y(n)＝cTxx(n)，y(n-m)＝cTxx(n-m)＝cT[xx1,xx2,…,xxn-m]；(3)在以均方協(xié)預測誤差為代價函數(shù)時，獲得每個像元檢測后的輸出為y(n)＝E{e(n)e(n-q)},0≤q≤p；根據(jù)所述輸出y(n)，在以均方協(xié)預測誤差作為代價函數(shù)時，目標函數(shù)表示為Jq(c)＝cTAZ(q)ZT(q)ATc,s.t.ccT＝1，將Jq(c)的最小化值作為提取系數(shù)c，AZ(q)AT奇異值分解的左奇異矩陣W作為提取系數(shù)W；最后根據(jù)y(n)＝cTxx(n)，w(n)＝WTxx(n)，得到疑似信號y(n)和w(n)。更進一步地，所述將疑似信號進行正交化處理，獲取正交基，構建正交子空間，然后將目標信號投影到子空間中，獲得正交子空間投影算子的具體過程為：首先，根據(jù)公式cTxx(n)＝U∑VH,cTxx(n)為疑似信號y(n)，大小為m*n，秩為r；Ur和分別為m*r和m*(m-r)矩陣，Vr和分別為n*r和n*(n-r)矩陣，∑＝diag(σ1,σ2,…,σr)；然后，根據(jù)得到的疑似信號y(n)和w(n)，對y(n)Ty(n)和w(n)Tw(n)分別進行正交化處理，獲得y(n)Ty(n)的正交基Pt，以及w(n)Tw(n)的正交基Ptb，由Pb＝Ptb-Pt，得到不含疑似信號正交基的子空間Pb，然后根據(jù)(I-Pb)獲得Pb的補矩陣空間，將目標向量t投影到該補矩陣空間中，得到正交投影算子z：z＝tT(I-Pb)。更進一步地，所述通過投影算子計算每個像元的探測值，將探測值最高的像元確定為目標的具體過程為：根據(jù)公式dij＝zxij計算得到子窗口中xij像元的探測值dij，從而可獲得所述子窗口xx(n)中每個像元的探測值，其中，xij為高光譜圖像中的像元向量；移動子窗口，即可獲得圖像中每個像元的探測值，探測值最高的像元即確定為目標。本發(fā)明的有益效果為：1、本發(fā)明采用基于子空間的盲源提取方法先對礦物光譜信號進行提取，獲取疑似信號之后，將提取的疑似信號做正交化處理，獲取正交基、正交投影算子，最終計算出圖像中每個像元的探測值，探測值最高的像元即確定為目標；這樣，通過采用基于子空間的盲源提取方法對目標物進行探測提取，消除提取后背景的影響，將目標凸顯出來，解決了現(xiàn)有技術中存在利用圖像進行礦物勘測效果不佳的問題，進而使得高光譜礦物目標探測效果得到改善。2、采用基于均方協(xié)預測誤差(MSCPE)為代價函數(shù)的盲源提取方法來獲取疑似信號，能有效獲取提取系數(shù)，從而基于提取系數(shù)在混合信號中有效獲取疑似信號。附圖說明圖1為本發(fā)明實施例中基于子空間的高光譜亞像元目標盲提取檢測方法流程示意圖。圖2為本發(fā)明實施例中基于子空間的高光譜亞像元目標盲提取檢測方法中的算法流程框圖。圖3為實施例中采用本發(fā)明基于子空間的高光譜亞像元目標盲提取檢測方法得到的礦物目標檢測結果圖；其中，(a)為源高光譜影像與目標位置圖，(b)為本發(fā)明方法與傳統(tǒng)方法的檢測結果對比圖。具體實施方式本發(fā)明通過提供了一種基于子空間的高光譜亞像元目標盲提取檢測方法，解決了現(xiàn)有技術中存在的利用圖像進行礦物勘測效果不佳的問題，進而使得高光譜礦物目標探測效果得到改善。下面將結合說明書附圖以及具體實施方式對上述技術方案進行詳細的說明。本發(fā)明實施例提供的一種基于子空間的高光譜亞像元目標盲提取檢測方法，采用盲源提取方法對礦物目標進行探測，這種盲源提取方法本是一種信號處理的方法，較多應用于語音信號等的提取，在本發(fā)明實施例中將該盲源提取方法與高光譜遙感相結合，形成一種有效的目標探測的方法，從而提高目標探測的效果。具體地，在該盲源提取方法中以均方協(xié)預測誤差(MSCPE)為核心思想，以被探測目標的AR模型作為先驗知識，以虛警率(PF)、檢測率(PD)和漏警(PL)作為驗證檢測性能的指標。通過實驗，在選取最優(yōu)參數(shù)時能夠達到很好的探測目標的效果，即便有虛警目標出現(xiàn)，其虛警目標像元聚集在目標像元所在的子窗口中，從而對目標位置的確定影響較小。下面具體對本發(fā)明基于子空間的高光譜亞像元目標盲提取檢測方法步驟進行描述，如圖1所示，具體包括：S101，獲取目標礦物的光譜信號；S102，采用基于均方協(xié)預測誤差盲源提取方法提取疑似信號；S103，將疑似信號進行正交化處理，獲取正交基，構建正交子空間，將目標信號投影到子空間中，獲得正交子空間投影算子。S104，通過投影算子計算每個像元的探測值，將探測值最高的像元確定為目標。在具體的實施方式中，S101中將目標的AR模型作為先驗知識。例如，探測一種目標礦物，事先獲知該礦物名稱，通過USGS光譜庫獲得該目標礦物的光譜信號。接著對S102，基于均方協(xié)預測誤差盲源提取方法獲取疑似信號進行詳細描述。盲源提取模型又稱BSE模型，該模型已經(jīng)應用于語音信號提取和生物醫(yī)學信號提取等方面，主要目的是從混合信號中提取所需的信號，這種提取可以按照一定優(yōu)先級別逐一提取而不重復，因此具有良好的應用前景。該BSE模型也符合線性混合模型，在高光譜礦物目標探測中極為常見。在波段數(shù)為n的高光譜圖像中，將每個像元看成一個端元信號，則BSE模型可表示為xx(n)＝As(n)，其中，A為一個混合矩陣，s(n)為源信號向量，xx(n)為n個波段的高光譜圖像的子窗口。由上述公式可知，當線性混合信號為若干礦物光譜信號的隨機線性混合時，利用目標光譜的AR模型得到AR參數(shù)的步驟也能很好的應用于基于MSCPE(均方協(xié)預測誤差)的BSE高光譜目標探測算法中來提取目標光譜信號。下面描述基于MSCPE的BSE高光譜目標探測來獲得提取系數(shù)c和W的過程。在上述BSE模型中，首先，對xx(n)進行白化處理，然后，假設目標光譜信號的AR模型的長度為p，瞬時誤差(PE)用e(n)表示，則e(n)＝y(tǒng)(n)-bTY(n)；其中，b＝[b1,b2,…,bm,…,bp]T,m＝1,2,…,p，p為AR模型的長度；Y(n)＝[y(n-1),y(n-2),…,y(n-m),…y(n-p)]T，y(n)＝cTxx(n)，y(n-m)＝cTxx(n-m)＝cT[xx1,xx2,…,xxn-m]，b為目標光譜信號的AR參數(shù)；可得出：e(n)=y(n)-bTY(n)=cTxx(n)-[b1,b2,...,bm,...,bp]×[cTxx(n-1),cTxx(n-2),...,cTxx(n-m),...cTxx(n-p)]T=cTxx(n)-cTΣm=1pbmxx(n-m)=cT[xx(n)-Σm=1pbmxx(n-m)]=cTA[s(n)-Σm=1pbms(n-m)]]]>在以均值協(xié)預測誤差(MCPE)為代價函數(shù)時，y(n)表示為：y(n)＝E{e(n)e(n-q)},0≤q≤p，q為誤差延遲；令則有可得：E{e(n)e(n-q)}=E{cTAz(n)zT(n-q)ATc}=cTAE{z(n)zT(n-q)}ATc;]]>令Z(q)＝E{z(n)zT(n-q)}，可得y(n)＝E{e(n)e(n-q)}＝cTAZ(q)ATc。在上述均值協(xié)預測誤差的基礎上提出一種新的代價函數(shù)——均方協(xié)預測誤差(MSCPE)，表示如下：Jq(c)＝cTAZ(q)ZT(q)ATcs.t.ccT＝1由上面的式子可以得出，Z(q)ZT(q)是一個對角陣，并且它的對角元素是端元信號中各元素的平方，對于特定信號的AR模型，MSCPE只有一個最小值0，因此，可以通過最小化MSCPE獲取特定信號，并且MSCPE的參數(shù)與AR模型參數(shù)是相對應的。對Jq(c)的最小化相當于求實對稱矩陣AZ(q)ZT(q)AT的最小特征值對應的特征向量問題，也就是對矩陣AZ(q)AT進行奇異值分解獲取最小奇異值對應的奇異向量，該奇異向量就是提取系數(shù)c，分解得到的左奇異矩陣為W。由于上述是在子窗口中使用基于均方協(xié)預測誤差盲源提取方法獲得的疑似信號，而在提取之后對結果進行正交化處理，并構建正交子空間，獲得投影算子，再通過投影算子計算像元探測值。這樣在探測過程中虛警目標像元聚焦在含有目標像元的子窗口中，從而更加精確地確定了目標的范圍。采用本發(fā)明所述基于子空間的亞像元目標盲源提取檢測方法對目標礦物TopazHarrisPark#9進行檢測，結果如圖3所示。圖3(a)顯示包含目標的高光譜影像以及目標位置，高光譜影像大小為100*100，波段數(shù)為420個，其中包含四種礦物；圖3(b)為傳統(tǒng)方法與本發(fā)明所述基于子空間的亞像元目標盲提取檢測方法(MSCPE)的檢測結果對比圖，圖中亮色代表檢測出的目標的位置，暗色表示背景，檢測結果表明，傳統(tǒng)方法不能完全檢測出目標礦物，性能較差，而本發(fā)明基于子空間的亞像元盲提取檢測方法性能較好。盡管已描述了本發(fā)明的優(yōu)選實施例，但本領域內的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內，則本發(fā)明也意圖包含這些改動和變型在內。當前第1頁1 2 3