本發(fā)明屬于高光譜數(shù)據(jù)處理與應(yīng)用技術(shù)領(lǐng)域，更具體地，涉及一種基于全波段特征增強(qiáng)的光譜匹配方法及系統(tǒng)，特別適用于巖礦高光譜的高精度匹配。

背景技術(shù)：

高光譜表示光譜分辨率在delta_lambda/lambda＝0.01mm數(shù)量級，高光譜成像技術(shù)結(jié)合了成像技術(shù)與光譜技術(shù)，獲取探測目標(biāo)的三維立體數(shù)據(jù)。借助數(shù)據(jù)處理技術(shù)對三維數(shù)據(jù)進(jìn)行解析，得到目標(biāo)的空間信息和光譜信息，從而實(shí)現(xiàn)對目標(biāo)的定性、定量分析，進(jìn)一步提高了人類信息獲取和分析能力。

高光譜數(shù)據(jù)處理是其分析研究中非常關(guān)鍵的一環(huán)，其中基于光譜特征實(shí)現(xiàn)目標(biāo)匹配是數(shù)據(jù)處理的研究重點(diǎn)之一。在光譜匹配過程中，為實(shí)現(xiàn)多類礦物識別，通常需要計算地物全波段光譜相似性。但是，全波段光譜通常包含檢測目標(biāo)的診斷特征和冗余信息，診斷特征與冗余信息的混雜會降低識別算法性能。因此，增強(qiáng)光譜診斷特征抑制冗余信息是進(jìn)一步提高高光譜技術(shù)識別能力的關(guān)鍵。

采用算法增強(qiáng)光譜診斷特征是一種簡便高效的光譜特征增強(qiáng)技術(shù)，能有效提高高光譜技術(shù)的識別能力。但是，目前的高光譜匹配方法由于無法實(shí)現(xiàn)對冗余波段信息的抑制，導(dǎo)致算法適用范圍有限。雖然目前有方法可以利用主成分分析和空間投影得到特征增強(qiáng)空間，突出光譜本質(zhì)特征，抑制背景噪聲，進(jìn)而提高光譜匹配的準(zhǔn)確性和適應(yīng)性。但是，當(dāng)引入新的待匹配目標(biāo)時，該方法需要重新計算特征增強(qiáng)空間，這將增加使用時的重復(fù)計算量，導(dǎo)致算法效率的降低。

因此，尋求一種光譜全波段特征增強(qiáng)的算法，提高高光譜的識別精度和效率，對于提高光譜識別和分析能力具有重大意義。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明的目的在于提供了一種基于全波段特征增強(qiáng)的光譜匹配方法及系統(tǒng)，由此解決現(xiàn)有的光譜匹配方法識別精度及算法效率較低的技術(shù)問題。

為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種基于全波段特征增強(qiáng)的光譜匹配方法，包括：

s1、采集k類參考樣本的反射率，得到k類參考樣本的反射光譜為{rs1,rs2,rs3,...,rsk}；

s2、對于任意參考樣本j,1≤j≤k，記第j類參考樣本反射光譜rsj的波長為{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波動波長，由h2＝max(h|λji+h＜λji+δ)得到波段i向長波方向的波動波長，其中，λji表示參考樣本j在波段i處的波長，(λji-δ,λji+δ)表示波段i的波動區(qū)間，δ為預(yù)設(shè)值，1≤i≤n；

s3、對于第j類參考樣本的反射光譜rsj＝(rj1,rj2,rj3,...,rjn)，計算第j類參考樣本在波段i的波動強(qiáng)度其中，rji表示第j類參考樣本在波段i處的反射率，表示波段i在波動區(qū)間(λji-δ,λji+δ)上的反射率均值；

s4、由fsji＝sfiji得到第j類參考樣本在波段i的強(qiáng)度值，進(jìn)而構(gòu)建第j類參考樣本在全波段的波動光譜；

s5、重復(fù)步驟s2～步驟s4得到k類參考樣本的波動光譜，根據(jù)k類參考樣本中各參考樣本與待測樣本的光譜角度確定待測樣本的種類，光譜角度越小，兩類樣本相似度越高。

優(yōu)選地，所述根據(jù)k類參考樣本中各參考樣本與待測樣本的光譜角度確定待測樣本的種類，包括：

構(gòu)建待測樣本l在全波段的波動光譜

由得到待測樣本l與第j,1≤j≤k類參考樣本的光譜角度，其中，第j類參考樣本在全波段的波動光譜為fsj＝(fj1,fj2,...,fjn)，

將待測樣本l確定為待測樣本l與各類參考樣本的光譜角度的最小值對應(yīng)的參考樣本所屬的類別。

按照本發(fā)明的另一方面，提供了一種基于全波段特征增強(qiáng)的光譜匹配系統(tǒng)，包括：

反射光譜構(gòu)建模塊，用于采集k類參考樣本的反射率，得到k類參考樣本的反射光譜為{rs1,rs2,rs3,...,rsk}；

波動波長獲取模塊，用于對于任意參考樣本j,1≤j≤k，記第j類參考樣本反射光譜rsj的波長為{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波動波長，由h2＝max(h|λji+h＜λji+δ)得到波段i向長波方向的波動波長，其中，λji表示參考樣本j在波段i處的波長，(λji-δ,λji+δ)表示波段i的波動區(qū)間，δ為預(yù)設(shè)值，1≤i≤n；

波動強(qiáng)度獲取模塊，用于對于第j類參考樣本的反射光譜rsj＝(rj1,rj2,rj3,...,rjn)，計算第j類參考樣本在波段i的波動強(qiáng)度其中，rji表示第j類參考樣本在波段i處的反射率，表示波段i在波動區(qū)間(λji-δ,λji+δ)上的反射率均值；

波動光譜構(gòu)建模塊，用于由fsji＝sfiji得到第j類參考樣本在波段i的強(qiáng)度值，進(jìn)而構(gòu)建第j類參考樣本在全波段的波動光譜；

光譜匹配模塊，用于根據(jù)k類參考樣本中各參考樣本與待測樣本的光譜角度確定待測樣本的種類，光譜角度越小，兩類樣本相似度越高。

優(yōu)選地，所述光譜匹配模塊包括：

波動光譜構(gòu)建子模塊，用于構(gòu)建待測樣本l在全波段的波動光譜

光譜角度確定模塊，用于由得到待測樣本l與第j,1≤j≤k類參考樣本的光譜角度，其中，第j類參考樣本在全波段的波動光譜為fsj＝(fj1,fj2,...,fjn)，

光譜匹配子模塊，用于將待測樣本l確定為待測樣本l與各類參考樣本的光譜角度的最小值對應(yīng)的參考樣本所屬的類別。

總體而言，本發(fā)明方法與現(xiàn)有技術(shù)方案相比，能夠取得下列有益效果：

(1)本發(fā)明最突出的特點(diǎn)是定義光譜波動強(qiáng)度，將反射光譜變換為波動光譜，從而實(shí)現(xiàn)診斷特征強(qiáng)化和冗余信息抑制，增大光譜可分性，有效提高光譜匹配算法的識別精度。

(2)本發(fā)明提供一種光譜預(yù)處理方法，對每一個樣本進(jìn)行獨(dú)立處理，有效減少引入新樣本導(dǎo)致的重復(fù)計算量，有效提高光譜匹配算法效率。

(3)本發(fā)明提供一種光譜預(yù)處理方法，進(jìn)一步結(jié)合分類、定量等處理方法，可以應(yīng)用于高光譜遙感等領(lǐng)域的高精度檢測。

附圖說明

圖1為本發(fā)明實(shí)施例公開的一種基于全波段特征增強(qiáng)的光譜匹配方法的流程示意圖；

圖2為本發(fā)明實(shí)施例公開的一種不同物質(zhì)的高光反射光譜圖；

圖3為本發(fā)明實(shí)施例公開的一種經(jīng)過光譜變換后得到的波動光譜圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

全波段光譜通常包含待測目標(biāo)的診斷特征和冗余信息。傳統(tǒng)光譜增強(qiáng)技術(shù)，利用去包絡(luò)線法等對光譜吸收特征進(jìn)行提取，尚未見過利用光譜波動進(jìn)行特征增強(qiáng)。

本發(fā)明提供一種基于全波段特征增強(qiáng)的光譜匹配方法，具體為一種全波段高光譜特征增強(qiáng)方法，目的在于提高光譜的可分性。該方法首先利用高光譜技術(shù)得到目標(biāo)的反射光譜，然后根據(jù)反射率計算光譜波動強(qiáng)度，將反射光譜變換到波動光譜，實(shí)現(xiàn)全波段特征增強(qiáng)，最后對波動光譜進(jìn)行光譜匹配。

如圖1所示為本發(fā)明實(shí)施例公開的一種基于全波段特征增強(qiáng)的光譜匹配方法的流程示意圖，具體包括如下步驟：

s1、利用高光譜技術(shù)采集k類參考樣本的反射率，得到k類參考樣本的反射光譜為{rs1,rs2,rs3,...,rsk}；

s2、對于任意參考樣本j,1≤j≤k，記第j類參考樣本反射光譜rsj的波長為{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波動波長，由h2＝max(h|λji+h＜λji+δ)得到波段i向長波方向的波動波長，其中，λji表示參考樣本j在波段i處的波長，(λji-δ,λji+δ)表示波段i的波動區(qū)間，δ為預(yù)設(shè)值，1≤i≤n；

其中，δ取值可以根據(jù)實(shí)際需要進(jìn)行確定，優(yōu)選地，δ＝0.020μm。

s3、對于第j類參考樣本的反射光譜rsj＝(rj1,rj2,rj3,...,rjn)，計算第j類參考樣本在波段i的波動強(qiáng)度其中，rji表示第j類參考樣本在波段i處的反射率，表示波段i在波動區(qū)間(λji-δ,λji+δ)上的反射率均值；

s4、由fsji＝sfiji得到第j類參考樣本在波段i的強(qiáng)度值，進(jìn)而構(gòu)建第j類參考樣本在全波段的波動光譜；

s5、重復(fù)步驟s2～步驟s4得到k類參考樣本的波動光譜，根據(jù)k類參考樣本中各參考樣本與待測樣本的光譜角度確定待測樣本的種類，光譜角度越小，兩類樣本相似度越高。

其中，根據(jù)k類參考樣本中各參考樣本與待測樣本的光譜角度確定待測樣本的種類，具體包括：

構(gòu)建待測樣本l在全波段的波動光譜

其中，可以采用步驟s2～步驟s4的方法構(gòu)建待測樣本l在全波段的波動光譜。

由得到待測樣本l與第j,1≤j≤k類參考樣本的光譜角度，其中，第j類參考樣本在全波段的波動光譜為fsj＝(fj1,fj2,...,fjn)，

將待測樣本l確定為待測樣本l與各類參考樣本的光譜角度的最小值對應(yīng)的參考樣本所屬的類別。

下面以一個具體實(shí)施例說明本發(fā)明公開的一種基于全波段特征增強(qiáng)的光譜匹配方法。

選取滑石、橄欖石、頑火輝石、角閃石和透閃石五類易混淆巖礦為樣本，其反射率數(shù)據(jù)來源于envi中usgs高光譜礦物數(shù)據(jù)庫，共計410個波段。該五種物質(zhì)在高光反射光譜如圖2所示，進(jìn)過光譜變換后得到的波動光譜如圖3所示。

為了展現(xiàn)本發(fā)明的優(yōu)越性，將任意兩類礦物的波動光譜、原始光譜和去包絡(luò)線光譜的光譜角度計算結(jié)果進(jìn)行比較，結(jié)果如表1、2、3所示。相比于原始光譜和去包絡(luò)光譜，經(jīng)過波動光譜變換，很大程度上提高了礦物之間的差異性。同時引入光譜自信息量(si)作為光譜特征增強(qiáng)的有效判據(jù)。第j類礦物的光譜為sj＝(sj1,sj2,sj3,...,sjn)，該判據(jù)計算如下：

式中，為對于含有410個波段的光譜，當(dāng)每個波段的反射率值相等時，光譜自信量取得最大值(6.0162)，所有波段幾乎不提供任何樣本診斷特征信息。當(dāng)光譜自信息量越小，增強(qiáng)方法效果越好。如表4所示波動光譜具有更小的光譜自信息量，本發(fā)明特征增強(qiáng)效果更好，對于光譜匹配精度的提高更加有效。

表1原始光譜光譜角度

表2去包絡(luò)線光譜角度

表3波動光譜光譜角度

表4光譜自信息量

黑體數(shù)值代表光譜相似性測量方法中較小的si值。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。