高光譜圖像壓縮方法及應(yīng)用的制作方法
【專利摘要】本發(fā)明提供了一種高光譜圖像壓縮方法及應(yīng)用，該方法包括以下步驟：(1)提取高光譜圖像目標區(qū)域像素的光譜曲線；(2)對所述光譜曲線進行離散傅里葉變換，將光譜曲線分解成多個線性組合的三角函數(shù)波；(3)選擇每個像素對應(yīng)的振幅最大的前p個三角函數(shù)波，提取該p個三角函數(shù)波的振幅、頻率和初相位，組合作為該像素的特征值，p為不小于5的自然數(shù)。本發(fā)明通過傅里葉變換將每個像素的特征值縮小為3×p個，而每個像素原始特征值長度與波段數(shù)相同，壓縮比例高，并且可以通過改變p的值實現(xiàn)識別精度的調(diào)節(jié)。利用本發(fā)明用于物品分類，數(shù)據(jù)處理量簡單，易于實現(xiàn)，識別精度也較高。
【專利說明】高光譜圖像壓縮方法及應(yīng)用

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像處理方法，尤其涉及一種高光譜圖像壓縮方法及應(yīng)用。

【背景技術(shù)】
[0002]高光譜圖像有很高的光譜分辨率，能解決多光譜所不能解決的問題，因而在軍事偵察、目標識別、戰(zhàn)場態(tài)勢評估等領(lǐng)域有重要意義。然而較高的光譜分辨率是以較大的數(shù)據(jù)量為代價的，以典型的高光譜數(shù)據(jù)AVIRIS來說，一幅圖像大約有140M字節(jié)(512行，614列，224個譜帶，每個像素2字節(jié))。高光譜圖像的海量數(shù)據(jù)給存儲和傳輸帶來極大困難，成為制約高光譜遙感進一步發(fā)展的因素，因此高光譜圖像的壓縮顯得尤其必要。
[0003]CN 102156998A公開了一種高光譜圖像壓縮方法，包括:對待壓縮的圖像進行分級壓縮處理，對感興趣空間信息和感興趣光譜信息無損或者近無損的壓縮，對其它信息進行大于感興趣空間信息和感興趣光譜信息所選壓縮比的壓縮。該方法可以使特定區(qū)域免于損壞，但查找特定區(qū)域增加了算法的復(fù)雜度。
[0004]CN 103024398 A公開了一種基于稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，該方法包含小波變換、數(shù)據(jù)類型變換、量化、稀疏矩陣壓縮編碼、正交追蹤匹配譯碼、數(shù)據(jù)類型反變換、反量化以及小波反變換八個步驟，順序執(zhí)行。
[0005]現(xiàn)在對高光譜圖像壓縮方法的研究著重在于如何提高壓縮比率，節(jié)省存儲空間以及提高圖像恢復(fù)后的質(zhì)量，但將高光譜圖像應(yīng)用于物品分類，如水果品種分類等，則無需考慮高光譜圖像的恢復(fù)，僅僅需要考慮最大限度壓縮高光譜圖像，但又能有效保留高光譜圖像的特征，從而實現(xiàn)物品分配的目的。


【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種高光譜圖像壓縮方法，該方法可以對圖像進行高比例壓縮，減少數(shù)據(jù)處理量，并且能夠有效提取圖像特征。
[0007]—種高光譜圖像壓縮方法，包括以下步驟:
[0008](I)提取高光譜圖像目標區(qū)域像素的光譜曲線；
[0009](2)對所述光譜曲線進行離散傅里葉變換，將光譜曲線分解成多個線性組合的三角函數(shù)波；
[0010](3)選擇每個像素對應(yīng)的振幅最大的前P個三角函數(shù)波，提取該P個三角函數(shù)波的振幅、頻率和初相位，組合作為該像素的特征值，P為不小于5的自然數(shù)。
[0011]所述目標區(qū)域是圖像去除背景后的部分。
[0012]所謂高光譜圖像是在每個波段對實物取像，每個像素在每個波段都有能量值，將該像素所有波段的能量值放在坐標系中，就得到該像素對應(yīng)的光譜曲線。
[0013]該方法相當于將每個像素的特征值個數(shù)減少到3Xp個，而原來應(yīng)該是與光譜波段數(shù)量相同。
[0014]波段數(shù)量影響高光譜圖像的精度，波段數(shù)量越少，光譜圖像精度越低，所含信息量越少，光譜曲線被分解后得到的三角函數(shù)波數(shù)量越少，所述光譜曲線的分辨率一股為1-1Onm0
[0015]高光譜圖像的波段的波長覆蓋范圍和波段數(shù)量由成像儀器本身決定，光譜曲線中波段的波長范圍一股與高光譜圖像的波長覆蓋范圍一致，特殊情況下可以小于它的波長涵蓋范圍，同樣的道理會影響特征值。
[0016]所述目標區(qū)域是需識別的區(qū)域，因為物品肯定是放置在一定背景中取像，由于背景對于物品分類沒有作用，在壓縮前，可以把背景先去除，只對目標區(qū)域的圖像進行壓縮，減少數(shù)據(jù)處理量。
[0017]所述離散傅里葉變換是指將光譜曲線分解成若干個波長、振幅和初相位各不相同的三角函數(shù)波(正弦和/或余弦函數(shù))。三角函數(shù)波的數(shù)量與波段數(shù)量是相同的。
[0018]因為振幅越大的三角函數(shù)波所包含的信息越多，因此會選擇振幅最大的幾個三角函數(shù)波的參數(shù)作為特征值，選取的三角函數(shù)波數(shù)量越多(P越大)，單個像素包含的信息量越大，計算機處理負荷也越大，但當數(shù)量過少時，會導(dǎo)致包含的信息量不夠，而無法應(yīng)用，一股會選擇5-10個三角函數(shù)波(5 < P < 10)。
[0019]本發(fā)明還提供了一種物品分類的方法，包括:
[0020](I)獲取待測樣本的高光譜圖像；
[0021](2)采用所述的高光譜圖像壓縮方法對所述高光譜圖像進行壓縮；
[0022](3)將壓縮后的高光譜圖像輸入經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)分類模型中，判斷物品的類別。
[0023]所述神經(jīng)網(wǎng)絡(luò)分類模型的訓(xùn)練方法為:
[0024](I)獲取已知樣本的高光譜圖像；
[0025](2)采用所述的高光譜圖像壓縮方法對所述高光譜圖像進行壓縮；
[0026](3)每個已知樣本選取多個像素點，以每個像素的特征值作為輸入，以分類結(jié)果作為輸出進行訓(xùn)練。
[0027]在分類時，同樣以待測樣本高光譜圖像壓縮后的像素特征值作為輸入，神經(jīng)網(wǎng)絡(luò)模型可以輸出相應(yīng)的分類結(jié)果，不用將所有像素的特征值輸入，只需選擇其中一部分或幾個，就可以進行分類。
[0028]本發(fā)明實施例舉例對葡萄干進行了分類，總共包含8種葡萄干，具體為:冰糖心，b黑加侖，c紅提，d玫瑰紫，e馬奶子，f沙漠王，g香妃，f雪蓮果，最終識別準確度可以達到90%以上。
[0029]本發(fā)明通過傅里葉變換將每個像素的特征值縮小為3Xp個，而每個像素原始特征值長度與波段數(shù)相同，壓縮比例高，并且可以通過改變P的值實現(xiàn)識別精度的調(diào)節(jié)。利用本發(fā)明用于物品分類，數(shù)據(jù)處理量簡單，易于實現(xiàn)，識別精度也較高。

【專利附圖】

【附圖說明】
[0030]圖1為八種葡萄干的RGB圖像。
[0031]圖2為八種葡萄干的光譜曲線。
[0032]圖3為八種葡萄干混合放置的視場圖。
[0033]圖4為八種葡萄干混合放置后采集的高光譜圖像進行背景掩膜后的圖。
[0034]圖5為八種葡萄干的識別結(jié)果圖。

【具體實施方式】
[0035]以8種不同品種的葡萄干為例，采集葡萄干的高光譜圖像，光譜范圍覆蓋921-1680nm，共226個光譜波段。
[0036](I)如圖1所示的8種葡萄高,其中a冰糖心，b黑加侖，c紅提，d玫瑰紫，e馬奶子，f沙漠王，g香妃，f雪蓮果。采集上述8種不同品種葡萄干的高光譜圖像，采集的高光譜圖像的光譜范圍覆蓋921-1680nm。
[0037]高光譜圖像的每一個像素可得一條光譜曲線，該曲線含有226個光譜數(shù)據(jù)，8種葡萄干的示例光譜曲線如圖2所示。
[0038](2)每一種葡萄干選取500個像素，對應(yīng)的光譜曲線進行傅里葉波形分解。單個像素的光譜曲線可分解成226個正弦波形，選取其中振幅最大的5個波形。提取這5個波形的振幅、頻率和初相位，共15個數(shù)據(jù)作為單個光譜曲線的特征值。
[0039](3)對壓縮后的數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)分類模型。共有8種葡萄干，每種取500個像素，總共4000個像素，每個像素的數(shù)據(jù)壓縮成含15個數(shù)據(jù)的特征值。對這些數(shù)據(jù)，建立一個4層的神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)，含15個輸入數(shù)據(jù)，第一層有8個節(jié)點，隱含層有5個節(jié)點，輸出層有I個節(jié)點。將4000個像素用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類模型，每個像素的15個特征值作為網(wǎng)絡(luò)的輸入數(shù)據(jù)，葡萄干的類別號作為網(wǎng)絡(luò)的輸出數(shù)據(jù)(類別號按品種的不同，分為1，2,...,8).經(jīng)過訓(xùn)練的網(wǎng)絡(luò)的權(quán)值和閾值如表1至表4所示。
[0040]表1.輸入數(shù)據(jù)到第一層的權(quán)值
[0041]

【權(quán)利要求】
1.一種高光譜圖像壓縮方法，包括以下步驟: (1)提取高光譜圖像目標區(qū)域像素的光譜曲線； (2)對所述光譜曲線進行離散傅里葉變換，將光譜曲線分解成多個線性組合的三角函數(shù)波； (3)選擇每個像素對應(yīng)的振幅最大的前P個三角函數(shù)波，提取該P個三角函數(shù)波的振幅、頻率和初相位，組合作為該像素的特征值，P為不小于5的自然數(shù)。
2.如權(quán)利要求1所述的高光譜圖像壓縮方法，其特征在于，所述光譜曲線的分辨率為1-1Onm0
3.如權(quán)利要求1所述的高光譜圖像壓縮方法，其特征在于，所述光譜曲線的波長覆蓋范圍為 921-1680nm。
4.如權(quán)利要求1所述的高光譜圖像壓縮方法，其特征在于，所述P不大于10。
5.一種物品分類的方法，包括: (1)獲取待測樣本的高光譜圖像； (2)采用權(quán)利要求1所述的高光譜圖像壓縮方法對所述高光譜圖像進行壓縮； (3)將壓縮后的高光譜圖像輸入經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)分類模型中，判斷物品的類別。
6.如權(quán)利要求5所述的物品分類方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)分類模型的訓(xùn)練方法為: (1)獲取已知樣本的高光譜圖像； (2)采用所述的高光譜圖像壓縮方法對所述高光譜圖像進行壓縮； (3)每個已知樣本選取多個像素點，以每個像素的特征值作為輸入，以分類結(jié)果作為輸出進行訓(xùn)練。
7.如權(quán)利要求5所述的物品分類方法，其特征在于，所述物品為葡萄干。
8.如權(quán)利要求7所述的物品分類方法，其特征在于，所述葡萄干包括冰糖心、黑加侖、紅提、玫瑰紫、馬奶子、沙漠王、香妃和雪蓮果8個品種。
【文檔編號】G06T9/00GK104182997SQ201410403590
【公開日】2014年12月3日 申請日期:2014年8月15日 優(yōu)先權(quán)日:2014年8月15日
【發(fā)明者】趙蕓, 徐興 申請人:浙江科技學(xué)院