本發(fā)明涉及高光譜圖像的目標(biāo)檢測(cè)。
背景技術(shù):
高光譜傳感器通過(guò)上百個(gè)光譜通道獲取地物的反射輻射信息,其波段范圍覆蓋了從可見光到近紅外乃至長(zhǎng)波紅外區(qū)域,高光譜圖像同時(shí)包含了地物的空間信息、反射或輻射信息以及光譜信息,其特性通常被稱為“圖譜合一”。而且,高光譜圖像數(shù)據(jù)提供了近乎連續(xù)的光譜采樣信息,可以記錄地物在光譜上很小的反射差異。這個(gè)特性被稱作地物的診斷特性,可以作為對(duì)地物進(jìn)行分類和檢測(cè)的依據(jù)。研究高光譜圖像目標(biāo)檢測(cè)新技術(shù),具有重要的理論意義和應(yīng)用價(jià)值。在軍事方面,可以揭露敵方目標(biāo)的偽裝、隱藏和欺騙。在民用方面,公共安全、食品安全、質(zhì)量監(jiān)控、森林著火點(diǎn)檢測(cè)、失事點(diǎn)搜尋與營(yíng)救等方面已經(jīng)有重要應(yīng)用。
現(xiàn)有典型的目標(biāo)檢測(cè)方法有基于有限沖積響應(yīng)濾波器的約束能量最小化方法(constrainedenergyminimization,cem),正交子空間目標(biāo)檢測(cè)方法(orthogonalsubspaceprojection,osp),匹配子空間檢測(cè)方法(matchedsubspacedetector,msd)等經(jīng)典方法以及近幾年提出的稀疏表示檢測(cè)方法(sparserepresentation,sr)等。
當(dāng)前目標(biāo)檢測(cè)主要利用光譜匹配特性,通過(guò)光譜匹配程度判斷單點(diǎn)光譜的屬性,并未充分考慮在高分條件下空間約束增強(qiáng)的特性,即局部相關(guān)性增大的特性,空間-光譜聯(lián)合檢測(cè)方法可以提高光譜和空間的利用能力,但一般的空間-光譜聯(lián)合方法僅僅從光譜或空間的簡(jiǎn)單組合操作進(jìn)行分析,而不能從三維數(shù)據(jù)整體進(jìn)行信息挖掘,檢測(cè)精度低。
張量(tensor),即多維數(shù)組,更正式地說(shuō),一個(gè)n階張量就是n個(gè)向量的張量積的結(jié)果。一個(gè)向量是一階張量,一個(gè)矩陣是二階張量,三階或更高階張量稱為高階張量。利用張量模型對(duì)圖像進(jìn)行表示,可以有效地利用圖像的內(nèi)在幾何結(jié)構(gòu)信息,大幅提升了遙感圖像分類等的性能。目前基于張量表示的遙感圖像處理方法已經(jīng)成功應(yīng)用到高光譜圖像的分類和目標(biāo)檢測(cè)當(dāng)中,并取得了更好的分類和檢測(cè)結(jié)果。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明的目的是為了解決現(xiàn)有高光譜圖像目標(biāo)檢測(cè)方法中不能從三維數(shù)據(jù)整體進(jìn)行信息挖掘,檢測(cè)精度低的問題,而提出一種基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)方法。
一種基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)方法具體過(guò)程為:
步驟一:建立張量表示下的目標(biāo)和背景的信號(hào)表示模型;
步驟二:基于步驟一得到的模型,通過(guò)給定的窗口大小,將待檢測(cè)的高光譜圖像轉(zhuǎn)換成三階張量的形式,得到待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量,建立基于局部鄰域的空x-空y-光譜-樣本四階張量
步驟三:求取步驟二得到的基于局部鄰域的空x-空y-光譜-樣本四階張量
步驟四:對(duì)步驟三得到的三個(gè)方向上的協(xié)方差矩陣進(jìn)行求逆,得到逆矩陣,利用得到的逆矩陣對(duì)待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量進(jìn)行張量子空間投影,得到映射后的新的三階張量;
步驟五:分別計(jì)算目標(biāo)光譜張量和待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量與映射后的新的三階張量的內(nèi)積,利用張量形式下的廣義似然比檢測(cè)模型和給定的閾值,判定待檢測(cè)高光譜圖像的像元是否為檢測(cè)目標(biāo)。
本發(fā)明的有益效果為:
本發(fā)明方法將高光譜數(shù)據(jù)轉(zhuǎn)換成張量形式進(jìn)行處理,從多維數(shù)據(jù)整體信息進(jìn)行挖掘,提高了檢測(cè)精度,相比于現(xiàn)有目標(biāo)檢測(cè)單獨(dú)利用光譜匹配特性,以及目前提出一般的空間-光譜聯(lián)合方法,解決了不能從三維數(shù)據(jù)整體進(jìn)行信息挖掘,檢測(cè)精度低的問題。
為了驗(yàn)證本發(fā)明的性能,針對(duì)一組機(jī)載可見光/紅外成像光譜儀(airbornevisibleinfraredimagingspectrometer,aviris)采集的一組機(jī)場(chǎng)數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),從圖2b和圖2c的檢測(cè)結(jié)果圖和圖3所示的與之對(duì)應(yīng)的接收機(jī)工作特性曲線可以看出:與對(duì)比試驗(yàn)相比,在虛警率為0.05時(shí),現(xiàn)有smf方法檢測(cè)概率為0.05,本發(fā)明tensorsmf方法檢測(cè)概率為0.4,在虛警率為0.1時(shí),現(xiàn)有smf方法檢測(cè)概率為0.12,本發(fā)明tensorsmf方法檢測(cè)概率為0.42,本發(fā)明方法能夠在低虛警率的情況下達(dá)到更好的檢測(cè)結(jié)果,驗(yàn)證了本發(fā)明提出的基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)算法的有效性。
附圖說(shuō)明
圖1為本發(fā)明流程圖;
圖2a為原始數(shù)據(jù)第4波段圖像圖;
圖2b為基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)結(jié)果圖;
圖2c為高光譜圖像光譜匹配濾波檢測(cè)結(jié)果圖;
圖3為smf方法和tensorsmf方法的接收機(jī)工作特性曲線對(duì)比圖,smf為現(xiàn)有光譜匹配濾波,tensorsmf為本發(fā)明基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)方法。
具體實(shí)施方式
具體實(shí)施方式一:結(jié)合圖1說(shuō)明本實(shí)施方式,本實(shí)施方式的一種基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)方法具體過(guò)程為:
步驟一:建立張量表示下的目標(biāo)和背景的信號(hào)表示模型;
步驟二:基于步驟一得到的模型,通過(guò)給定的窗口大小,將待檢測(cè)的高光譜圖像轉(zhuǎn)換成三階張量的形式,得到待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量,建立基于局部鄰域的空x-空y-光譜-樣本四階張量
步驟三:依據(jù)本專利提出的張量光譜匹配濾波算法,求取步驟二得到的基于局部鄰域的空x-空y-光譜-樣本四階張量
步驟四:對(duì)步驟三得到的三個(gè)方向上的協(xié)方差矩陣進(jìn)行求逆,得到逆矩陣,利用得到的逆矩陣對(duì)待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量進(jìn)行張量子空間投影,得到映射后的新的三階張量;
步驟五:分別計(jì)算目標(biāo)光譜張量和待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量與映射后的新的三階張量的內(nèi)積,利用張量形式下的廣義似然比檢測(cè)模型和給定的閾值,判定待檢測(cè)高光譜圖像的像元是否為檢測(cè)目標(biāo)。
具體實(shí)施方式二:本實(shí)施方式與具體實(shí)施方式一不同的是:所述步驟一中建立張量表示下的目標(biāo)和背景的信號(hào)表示模型;具體過(guò)程為:
張量表示下的目標(biāo)h1和背景h0的信號(hào)表示模型為:
其中,
其它步驟及參數(shù)與具體實(shí)施方式一相同。
具體實(shí)施方式三:本實(shí)施方式與具體實(shí)施方式一或二不同的是:所述步驟二中基于步驟一得到的模型,通過(guò)給定的窗口大小,將待檢測(cè)的高光譜圖像轉(zhuǎn)換成三階張量的形式,得到待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量,建立基于局部鄰域的空x-空y-光譜-樣本四階張量
基于步驟一得到的模型,給定一個(gè)3×3或5×5的窗口,將待檢測(cè)的高光譜圖像轉(zhuǎn)換成三階張量的形式,然后將所有的三階張量形式的待檢測(cè)的高光譜圖像數(shù)據(jù)建立成基于局部鄰域的空x-空y-光譜-樣本四階張量
所述局部鄰域的大小為窗口大小。
其它步驟及參數(shù)與具體實(shí)施方式一或二相同。
具體實(shí)施方式四:本實(shí)施方式與具體實(shí)施方式一至三之一不同的是:所述步驟三中依據(jù)本專利提出的張量光譜匹配濾波算法,求取步驟二得到的基于局部鄰域的空x-空y-光譜-樣本四階張量
待檢測(cè)的高光譜圖像中目標(biāo)h1和背景h0在張量表示模型下的空x-空y-光譜三個(gè)方向協(xié)方差矩陣計(jì)算公式如下:
其中,u1為待檢測(cè)的高光譜圖像中目標(biāo)h1和背景h0的信號(hào)在張量表示模型下的空x方向協(xié)方差矩陣,u2為待檢測(cè)的高光譜圖像中目標(biāo)h1和背景h0的信號(hào)在張量表示模型下的空y方向協(xié)方差矩陣,u3為待檢測(cè)的高光譜圖像中目標(biāo)h1和背景h0的信號(hào)在張量表示模型下的光譜方向協(xié)方差矩陣,
其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。
具體實(shí)施方式五:本實(shí)施方式與具體實(shí)施方式一至四之一不同的是:所述步驟四中對(duì)步驟三得到的三個(gè)方向上的協(xié)方差矩陣進(jìn)行求逆,得到逆矩陣,利用得到的逆矩陣對(duì)空x-空y-光譜三階張量進(jìn)行張量子空間投影,得到映射后的新的三階張量;具體過(guò)程為:
步驟四一:對(duì)于給定的待檢測(cè)的高光譜圖像的像元,以該像元為窗口中心,形成待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量;
步驟四二:對(duì)步驟三得到的三個(gè)方向上的協(xié)方差矩陣進(jìn)行求逆,得到逆矩陣,逆矩陣將形成的待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量映射到新的張量子空間中,計(jì)算方法如下:
其中,
其它步驟及參數(shù)與具體實(shí)施方式一至四之一相同。
具體實(shí)施方式六:本實(shí)施方式與具體實(shí)施方式一至五之一不同的是:所述步驟五中分別計(jì)算目標(biāo)光譜張量和待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量與映射后的新的三階張量的內(nèi)積,利用張量形式下的廣義似然比檢測(cè)模型和給定的閾值,判定待檢測(cè)高光譜圖像的像元是否為檢測(cè)目標(biāo);具體過(guò)程為:
所述目標(biāo)光譜張量是從光譜庫(kù)中選取的;待檢測(cè)高光譜圖像的像元為待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量中心;
步驟五一:計(jì)算步驟四得到的映射后的新的三階張量與待檢測(cè)數(shù)據(jù)局部鄰域的空x-空y-光譜三階張量的內(nèi)積;
步驟五二:計(jì)算步驟四得到的映射后的新的三階張量與目標(biāo)光譜張量的內(nèi)積;
步驟五三:通過(guò)張量表達(dá)下的廣義似然比檢測(cè)模型計(jì)算得到待檢測(cè)高光譜圖像的像元的檢測(cè)結(jié)果;
張量表達(dá)下的廣義似然比檢測(cè)模型如下:
其中,
如果
其它步驟及參數(shù)與具體實(shí)施方式一至五之一相同。
采用以下實(shí)施例驗(yàn)證本發(fā)明的有益效果:
實(shí)施例一:
本實(shí)施例一種基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)方法具體是按照以下步驟制備的:
實(shí)驗(yàn)所用數(shù)據(jù)是aviris傳感器獲得的美國(guó)圣地亞哥高光譜圖像,數(shù)據(jù)包含224個(gè)光譜波段,波長(zhǎng)范圍為0.4~1.8μm,地面分辨率3.5m,灰度范圍為0~10000,圖像大小150×150。數(shù)據(jù)已經(jīng)經(jīng)過(guò)了大氣、幾何校正等預(yù)處理,并去除了低信噪比和水汽吸收波段,保留了126個(gè)波段。圖2a為原始數(shù)據(jù)第4波段圖像,圖2b為基于張量光譜匹配濾波的高光譜圖像目標(biāo)檢測(cè)結(jié)果圖,圖2c為高光譜圖像光譜匹配濾波檢測(cè)結(jié)果圖,用來(lái)作為對(duì)比實(shí)驗(yàn),圖3為兩種方法的接收機(jī)工作特性曲線。從圖2b和圖2c的檢測(cè)結(jié)果圖和圖3所示的與之對(duì)應(yīng)的接收機(jī)工作特性曲線可以看出:與對(duì)比試驗(yàn)相比,在虛警率為0.05時(shí),現(xiàn)有smf方法檢測(cè)概率為0.05,本發(fā)明tensorsmf方法檢測(cè)概率為0.4,本發(fā)明方法能夠在低虛警率的情況下達(dá)到更好的檢測(cè)結(jié)果,證明了本發(fā)明方法的有效性。
本發(fā)明還可有其它多種實(shí)施例,在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下,本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形,但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。