一种基于空谱信息结合的高光谱舰船检测方法技术

本发明专利技术提供了一种基于空谱信息结合的高光谱舰船检测方法，能够解决现有舰船检测方法中舰船目标的检测的准确度和虚警的问题。本发明专利技术方法中涉及基于类间差异性的无监督光谱子区间筛选方法，是一种准确、快速、鲁棒性强的无监督光谱波段筛选方法。阈值分割中加入了水域的相对稳定性，极大削弱了亮度值较低的非水域区域对检测结果的干扰，能够实现十分准确的海陆分割结果，该方法简单、快速并且自适应。本发明专利技术提出了对RX异常检测结果进行空间特征增强的方法，即利用二维本征模态分解重构图像，并且该方法是自适应的，完全依赖数据本身的结构。本方法利用物质的光谱特征分析物质的主要材质构成，所有光谱均可由光谱字典中光谱向量线性组合得到。

A hyperspectral ship detection method based on spatial spectrum information

The invention provides a hyperspectral ship detection method based on space spectrum information, which can solve the problems of the accuracy and false alarm of the ship target detection in the existing ship detection methods. The invention relates to the difference between the unsupervised screening method based on interval light music, is a kind of accurate, fast and robust unsupervised band selection method. Segmentation joined the relative stability of the waters, which greatly weakened the brightness value of non interference low water area on the test results, to achieve the sea very accurate segmentation results, the method is simple, fast and adaptive. The invention proposes a method for enhancing spatial characteristics of RX abnormal detection results, that is, using two-dimensional eigen mode decomposition to reconstruct images, and the method is adaptive and relies entirely on the structure of the data itself. The method utilizes the spectral characteristics of matter to analyze the main material of matter, and all the spectra can be obtained by linear combination of spectral vectors in the spectral dictionary.

【技术实现步骤摘要】
一种基于空谱信息结合的高光谱舰船检测方法
本专利技术涉及高光谱遥感图像处理
，具体涉及一种基于空谱信息结合的高光谱舰船检测方法。
技术介绍
随着卫星遥感技术的飞速发展，卫星遥感经历了由传统光学图像，到数个波段的多光谱图像，再到数百个波段的高光谱图像的发展过程，传感器成像的光谱分辨率已达到5nm的精度。现有高光谱成像器件已经可以获得覆盖所有可见光和近红外波长在内的几十甚至几百个波段的中高空间分辨率图像，不同波段的图像集合起来，形成一个高光谱立方体。从单个波段的角度看，它是空间里分辨率较低的二维图像；从像素点的角度看，它是高维光谱向量。与传统光学图像不同，高光谱图像具有“图谱合一”的特点，高光谱数据源的出现，以及它所具有的“图谱合一”、“光谱字典”的特性，该数据在传统光学图像空间维的基础上增加了具有较高光谱分辨率的光谱维度。由于分子、原子、离子的晶振不同，任何物质的吸收或反射光谱都有着自己独特的特征。从探测和识别物质构成的角度上来说，光谱向量承载着物质特有的材质属性，是“光谱字典”，这为卫星遥感图像目标探测与识别提供了良好的素材。舰船检测是卫星遥感图像处理中一个十分重要的问题，它与我国国防以及沿海地区的安全具有十分密切的关系。现在，应用于舰船检测的数据源主要有SAR图像和传统光学图像。SAR图像穿透性强，可探测云层及云层以下物质，然而，该成像方法在成像原理上存在距离徙动的问题，该问题会造成目标模糊，从根本上影响舰船目标的存在和位置判定。传统光学图像空间分辨率高，主要依靠舰船的独有形态，对舰船目标提取空间特征，并利用相应分类器进行舰船与非舰船的分类。然而，由于港口以及远洋区域存在大量与舰船形态相近的伪目标，如浮标、碎云、港口，跨海公路和钻井平台等，使得现有光学舰船检测方法存在诸多虚警。而在实际应用中，SAR舰船检测中存在的舰船目标模糊以及光学舰船检测中存在的目标虚警问题，对相关战略决策和目标打击任务具有十分恶劣的影响，针对卫星遥感图像进行精准的舰船检测是现在急需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于空谱信息结合的高光谱舰船检测方法，能够解决现有舰船检测方法中舰船目标的检测的准确度和虚警的问题。本专利技术的技术方案包括如下步骤：步骤1，对原始高光谱图像进行光谱采集，分别构建舰船目标光谱子空间和非目标光谱子空间，其中非目标包括伪目标和背景；步骤2，光谱波段筛选：步骤2.1，计算目标光谱子空间中所有目标光谱的均值，作为均值目标光谱，从非目标光谱子空间中任意选取K条非目标光谱，将均值目标光谱与选取的K条非目标光谱放置在同一坐标系中；步骤2.2，设置滑动窗口；步骤2.3，计算在滑动窗口内的均值目标光谱分别与K条非目标光谱的归一化欧氏距离其中xt为均值目标光谱向量，xkt为第k条非目标光谱向量，其中k＝1,2,3…K；步骤2.4，将步骤2.3得到的K个归一化欧氏距离进行阈值分割，记录最优分割阈值所对应的目标函数值S，其中最优分割阈值为使目标函数值S最大的分割阈值；步骤2.5，移动滑窗，利用步骤2.3～步骤2.4的方法计算该滑窗内的最大的目标函数值S；重复执行步骤2.5，直至滑窗遍历整条均值目标光谱；步骤2.6，选择具有最大S的滑动窗口对应的光谱波段作为保留光谱波段，在步骤1的目标光谱子空间和非目标光谱子空间中，清空保留光谱波段外的其他光谱波段，构成新的目标光谱子空间和非目标光谱子空间；步骤3，对原始高光谱图像进行海陆分割，得到水域高光谱图像:首先对原始高光谱图像中所有波段的图像在光谱维求统计均值，得到一幅均值二维图像；然后利用阈值分割方法对均值二维图像进行海陆阈值分割，得到初步水域图像，将初步水域图像中连通域中的像素个数大于设定阈值的连通域剔除，得到最终水域图像，称原始高光谱图像中最终水域图像所对应的部分为水域高光谱图像；步骤4，对步骤3得到的水域高光谱图像进行RX异常检测，得到水域检测结果，将原始高光谱图像中除水域高光谱图像外的其他区域统一设置为水域检测结果的最小值，得到其他区域结果，将水域检测结果和其他区域结果放在一张空白二维灰度图像中，得到异常检测后的二维灰度图像；步骤5，对步骤4得到的二维灰度图像进行异常区域筛选：对所述步骤4得到的二维灰度图像进行二维本征模态分解，得到一系列本征模态，将分解得到的不同本征模态对应的图像按照从高频到低频的顺序排列，取前N个图像进行线性叠加构成新的检测结果图，N≥2，然后对新的检测结果图进行0到1之间的归一化，采用设定的阈值将归一化后的图像二值化；对于二值化后的图像中值为0的像素，不进行后续处理；对于二值化后的图像中值为1的像素，将连通域中的像素个数大于设定阈值的连通域剔除，得到异常像素；步骤6，利用判别函数：T(x)＝||x-Ct×at||2-||x-Cb×ab||2得到舰船目标判读结果；其中x为步骤5得到的异常像素所对应的光谱向量，Ct为光谱字典C的目标字典部分，Cb为光谱字典C的非目标字典部分，光谱字典C通过将步骤2.6获取的新的目标光谱子空间和非目标光谱子空间中的光谱向量按列保存在矩阵中获得，C＝[CtCb]，x＝[CtCb]×a，其中a为光谱字典C的稀疏系数，a包括目标系数at与非目标系数ab；若舰船目标判读结果即T(x)不小于0，则向量x为目标，反之，若该结果小于0，向量x为非目标，得到舰船目标最终结果。其中步骤3中，采用改进的OTSU阈值分割方法对均值二维图像进行海陆阈值分割，其中改进的OTSU阈值分割方法的目标函数为其中Th为分割阈值，Sb为分割后水和非水的类间方差，S1为水的类内方差。其中步骤4的RX异常检测中，将水域高光谱图像的每一个像元光谱输入检测算子DRX(y)＝(y-μy)TCy-1(y-μy)进行检测，其中上标T表示转置，上标-1表示求逆，y为水域高光谱图像的像元光谱向量，μy为水域高光谱图像中像元光谱向量的均值，Cy为水域高光谱图像中像元光谱向量的协方差矩阵。其中步骤5中的N＝2。其中步骤1中的光谱采集包括从星地联合光谱库中采集、直接在高光谱数据中认为标定或光谱端元提取。其中步骤3和步骤5中，将连通域中的像素个数大于20的连通域剔除。有益效果：1、本专利技术提出了一套新颖的卫星高光谱图像舰船检测的方法，利用空谱信息结合的高光谱检测方法能够实现高准确度、低虚警率的舰船检测任务；本专利技术方法中涉及基于类间差异性的无监督光谱子区间筛选方法，该方法能自动筛选使得目标与非目标光谱间具有最大差异性的连续子区间，且容错率高，即使有少量目标光谱混入非目标光谱，也不会对子区间筛选结果造成影响，是一种准确、快速、鲁棒性强的无监督光谱波段筛选方法。2、本专利技术提出了一种基于改进OTSU阈值分割方法和连通域剔除的有效海陆分割的方法，本专利技术中高光谱图像相对于光学图像空间分辨率较低，这恰可以消除复杂问题特征对阈值分割方法的影响，并且本专利技术的方法中，将水域的类内方差加入原始阈值分割方法的目标函数中，阈值分割中加入了水域的相对稳定性，极大削弱了亮度值较低的非水域区域对检测结果的干扰，能够实现十分准确的海陆分割结果，该方法简单、快速并且自适应。3、本专利技术提出了对RX异常检测结果进行空间特征增强的方法，即利用二维本征模态分解重构图像，该方法的优越性在于：根据先验信息，本文档来自技高网...

【技术保护点】
一种基于空谱信息结合的高光谱舰船检测方法，其特征在于，包括如下步骤：步骤1，对原始高光谱图像进行光谱采集，分别构建舰船目标光谱子空间和非目标光谱子空间，其中非目标包括伪目标和背景；步骤2，光谱波段筛选：步骤2.1，计算目标光谱子空间中所有目标光谱的均值，作为均值目标光谱，从非目标光谱子空间中任意选取K条非目标光谱，将均值目标光谱与选取的K条非目标光谱放置在同一坐标系中；步骤2.2，设置滑动窗口；步骤2.3，计算在滑动窗口内的均值目标光谱分别与K条非目标光谱的归一化欧氏距离

【技术特征摘要】
1.一种基于空谱信息结合的高光谱舰船检测方法，其特征在于，包括如下步骤：步骤1，对原始高光谱图像进行光谱采集，分别构建舰船目标光谱子空间和非目标光谱子空间，其中非目标包括伪目标和背景；步骤2，光谱波段筛选：步骤2.1，计算目标光谱子空间中所有目标光谱的均值，作为均值目标光谱，从非目标光谱子空间中任意选取K条非目标光谱，将均值目标光谱与选取的K条非目标光谱放置在同一坐标系中；步骤2.2，设置滑动窗口；步骤2.3，计算在滑动窗口内的均值目标光谱分别与K条非目标光谱的归一化欧氏距离其中xt为均值目标光谱向量，xkt为第k条非目标光谱向量，其中k＝1,2,3…K；步骤2.4，将步骤2.3得到的K个归一化欧氏距离进行阈值分割，记录最优分割阈值所对应的目标函数值S，其中最优分割阈值为使目标函数值S最大的分割阈值；步骤2.5，移动滑窗，利用步骤2.3～步骤2.4的方法计算该滑窗内的最大的目标函数值S；重复执行步骤2.5，直至滑动窗口遍历整条均值目标光谱；步骤2.6，选择具有最大S的滑动窗口对应的光谱波段作为保留光谱波段，在步骤1的目标光谱子空间和非目标光谱子空间中，清空保留光谱波段外的其他光谱波段，构成新的目标光谱子空间和非目标光谱子空间；步骤3，对原始高光谱图像进行海陆分割，得到水域高光谱图像:首先对原始高光谱图像中所有波段的图像在光谱维求统计均值，得到一幅均值二维图像；然后利用阈值分割方法对均值二维图像进行海陆阈值分割，得到初步水域图像，将初步水域图像中连通域中的像素个数大于设定阈值的连通域剔除，得到最终水域图像，称原始高光谱图像中最终水域图像所对应的部分为水域高光谱图像；步骤4，对步骤3得到的水域高光谱图像进行RX异常检测，得到水域检测结果，将原始高光谱图像中除水域高光谱图像外的其他区域统一设置为水域检测结果的最小值，得到其他区域结果，将水域检测结果和其他区域结果放在一张空白二维灰度图像中，得到异常检测后的二维灰度图像；步骤5，对步骤4得到的二维灰度图像进行异常区域筛选：对所述步骤4得到的二维灰度图像进行二维本征模态分解，得到一系列本征模态，将分解得到的不同本征模态对应的图像按照从高频到低频的顺序排列，取前N个图像进...

【专利技术属性】
技术研发人员：邓宸伟，代嘉慧，王文正，赵保军，唐林波，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11