專利名稱：鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種高光譜圖像目標(biāo)檢測方法，具體的說是一種最優(yōu)空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法。
背景技術(shù)：
高光譜圖像目標(biāo)檢測作為高光譜圖像處理的重要研究方向，長期以來受到各國專家學(xué)者以及工程技術(shù)人員的廣泛關(guān)注。隨著高光譜遙感技術(shù)的不斷發(fā)展，高光譜掃描儀的光譜分辨率不斷提升，相對于多光譜遙感而言，高光譜圖像提供的地物光譜信息更加豐富，使其對地物的分辨更加準(zhǔn)確。比較常用的檢測算法有支持向量機(jī)(supportvector machines, SVM),光譜匹配濾波(spectral matched filter, SMF),匹配子空間檢測(matched subspace detector, MSD)和自適應(yīng)子空間探測(adaptive subspacedetector, ASD)等。SVM算法是一種非常有效的處理非線性信號(hào)的方法，它將信號(hào)映射到一個(gè)新的特征空間，在新的空間中能夠更加容易和明顯地區(qū)分不同的信號(hào)，該方法在高光譜圖像處理中取得了很好的效果。然而，SVM算法易受不同核函數(shù)選取的影響。此外，還有許多利用統(tǒng)計(jì)量進(jìn)行假設(shè)檢測的檢測算法，如SMF等，它們都需要對高光譜圖像像元光譜的數(shù)學(xué)分布進(jìn)行假設(shè)，分布模型的準(zhǔn)確度對檢測結(jié)果的影響巨大。利用稀疏表示方法的高光譜圖像目標(biāo)檢測算法的基本思想為將待檢測像元的光譜表示為一系列字典原子光譜的線性組合，目標(biāo)檢測問題轉(zhuǎn)化為求解利用字典原子重建像元光譜，尋找到該重建過程中誤差最小的字典原子系數(shù)的最優(yōu)化問題。稀疏表示方法在高光譜圖像目標(biāo)檢測中取得了較好的檢測效果，但其只利用了圖像的光譜信息，忽視了高光譜數(shù)據(jù)中潛在的空間信息。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠提高數(shù)據(jù)處理的可靠性、高效性的鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法包括下列步驟步驟1:待檢測像元的鄰域空間窗口大小的確定；步驟2 :利用貪婪追蹤算法，計(jì)算鄰域空間窗口內(nèi)各像元的稀疏系數(shù)；步驟3 :分別計(jì)算基于背景過完備字典重建的像元重建誤差和基于目標(biāo)過完備字典重建的像元重建誤差，依據(jù)誤差大小，判定像元是否為檢測目標(biāo)；其特征是所述步驟I包括下列步驟(I)初始化空間窗口為當(dāng)前像元；(2)計(jì)算當(dāng)前空間窗口中像元光譜與4-鄰域像元光譜的相似性；(3)將相似性大于閾值的4-鄰域像元加入空間窗口 ；(4)有新像元加入空間窗口則轉(zhuǎn)到步驟⑵，窗口不變則結(jié)束循環(huán)；
所述步驟2包括下列步驟(I)將步驟I中確定鄰域空間窗口中的像元光譜轉(zhuǎn)化為一個(gè)矩陣，矩陣的每一列為一個(gè)像兀的光譜；(2)根據(jù)給定的過完備字典，用貪婪追蹤算法計(jì)算每一像元的鄰域空間窗口內(nèi)像元光譜的稀疏表示；所述步驟3包括下列步驟(I)用背景過完備字典對像元光譜進(jìn)行重建，并計(jì)算重建誤差；(2)用目標(biāo)過完備字典對像元光譜進(jìn)行重建，并計(jì)算重建誤差；(3)計(jì)算背景字典重建誤差與目標(biāo)字典重建誤差的差值；(4)根據(jù)差值的大小，設(shè)定固定的門限進(jìn)行判決。本發(fā)明方法的優(yōu)點(diǎn)在于在稀疏模型中，不需要假設(shè)對目標(biāo)和背景的分布特性，同時(shí)由于背景像元和目標(biāo)像元本身光譜特性的區(qū)別，它們會(huì)分布在不同的子空間中。通過貪婪追蹤算法解得的像元光譜的稀疏表示向量是由分別表示背景部分子字典的稀疏表示和目標(biāo)部分子字典的稀疏表示的組合，若待檢測的像元是一個(gè)背景像元，則稀疏表示的背景部分是稀疏的，稀疏表示的背景部分是一個(gè)零向量，反之亦然。即向量a是由分別表示背景權(quán)系數(shù)Cib和目標(biāo)權(quán)系數(shù)at的組合，若X是一個(gè)背景像元，則Cib稀疏的，a,是一個(gè)零向量，若X是一個(gè)目標(biāo)像元，則ab是一個(gè)零向量，而a,是稀疏的。因此，根據(jù)待檢測像元光譜X的稀疏表示的系數(shù)的非零項(xiàng)的位置就可以判別該像元是背景還是目標(biāo)。本方法在充分考慮了像元光譜信息的同時(shí)，將鄰域空間窗口像元的空間信息綜合考慮，進(jìn)一步提聞了目標(biāo)檢測的性能。鄰域空間窗口的聞光譜圖像稀疏表不目標(biāo)檢測綜合考慮了圖像所含的光譜信息和空間信息，通過調(diào)節(jié)鄰域空間窗口內(nèi)像元光譜相似性閾值的大小，可以選擇在保證準(zhǔn)確的前提下，盡量的使程序的運(yùn)行時(shí)間縮短。此外，利用Frobenius范數(shù)求解最優(yōu)化問題，提升了高光譜圖像目標(biāo)檢測處理的效率。為驗(yàn)證本專利提出的算法的性能，分別使用針對玉米種子數(shù)據(jù)和飛機(jī)場數(shù)據(jù)的檢測算法設(shè)定不同的SAC值的計(jì)算時(shí)間進(jìn)行了統(tǒng)計(jì)，如表I和表2所示。實(shí)驗(yàn)結(jié)果再次肯定了本發(fā)明專利提出的鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測算法，在處理高維數(shù)據(jù)時(shí)的有效性。表I針對玉米種子數(shù)據(jù)數(shù)據(jù)的算法運(yùn)行時(shí)間
權(quán)利要求
1.鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法，包括下列步驟步驟1:待檢測像兀的鄰域空間窗口大小的確定；步驟2 :利用貪婪追蹤算法，計(jì)算鄰域空間窗口內(nèi)各像元的稀疏系數(shù)；步驟3 :分別計(jì)算基于背景過完備字典重建的像元重建誤差和基于目標(biāo)過完備字典重建的像元重建誤差，依據(jù)誤差大小，判定像元是否為檢測目標(biāo)；其特征是所述步驟I包括下列步驟(1)初始化空間窗口為當(dāng)前像元；(2)計(jì)算當(dāng)前空間窗口中像元光譜與4-鄰域像元光譜的相似性；(3)將相似性大于閾值的4-鄰域像元加入空間窗口；(4)有新像元加入空間窗口則轉(zhuǎn)到步驟(2)，窗口不變則結(jié)束循環(huán)；所述步驟2包括下列步驟(1)將步驟I中確定鄰域空間窗口中的像元光譜轉(zhuǎn)化為一個(gè)矩陣，矩陣的每一列為一個(gè)像元的光譜；(2)根據(jù)給定的過完備字典，用貪婪追蹤算法計(jì)算每一像元的鄰域空間窗口內(nèi)像元光譜的稀疏表示；所述步驟3包括下列步驟(1)用背景過完備字典對像元光譜進(jìn)行重建，并計(jì)算重建誤差；(2)用目標(biāo)過完備字典對像元光譜進(jìn)行重建，并計(jì)算重建誤差；(3)計(jì)算背景字典重建誤差與目標(biāo)字典重建誤差的差值；(4)根據(jù)差值的大小，設(shè)定固定的門限進(jìn)行判決。
全文摘要
本發(fā)明提供的是一種鄰域空間窗口的高光譜圖像稀疏表示目標(biāo)檢測方法。其步驟是步驟1待檢測像元的鄰域空間窗口大小的確定；步驟2利用貪婪追蹤算法，計(jì)算鄰域空間窗口內(nèi)各像元的稀疏系數(shù)；步驟3分別計(jì)算基于背景過完備字典重建的像元重建誤差和基于目標(biāo)過完備字典重建的像元重建誤差，依據(jù)誤差大小，判定像元是否為檢測目標(biāo)。本發(fā)明能夠提高數(shù)據(jù)處理的可靠性、高效性，并進(jìn)一步提高了目標(biāo)檢測的性能以及光譜圖像目標(biāo)檢測處理的效率。
文檔編號(hào)G06T7/00GK103020955SQ201210464869
公開日2013年4月3日 申請日期2012年11月16日 優(yōu)先權(quán)日2012年11月16日
發(fā)明者趙春暉, 李曉慧, 齊濱, 許云龍, 田明華 申請人:哈爾濱工程大學(xué)