一种高光谱图像显著度图构造方法技术

一种高光谱图像显著度图构造方法，属于遥感图像处理方法，解决现有基于视觉注意的显著度计算方法没有综合考虑全局显著性和先验信息的问题，以增加特定目标的显著度。本发明专利技术包括提取初级视觉光谱特征步骤、计算数据驱动显著度步骤、提取目标光谱先验特征步骤、计算先验驱动显著度步骤和形成综合显著度步骤。本发明专利技术面向高光谱图像，利用图像的光谱信息，采用数据驱动和先验信息相结合的显著度计算模式，使感兴趣的目标区域在显著度图中具有较高的显著度值，而其它背景和干扰区域具有较低的显著度值，能够有效抑制背景的干扰，达到突显目标的目的，提高目标检测的精度。

【技术实现步骤摘要】
一种高光谱图像显著度图构造方法
本专利技术属于遥感图像处理方法，具体涉及高光谱图像目标探测以及高光谱图像显著度计算方法。
技术介绍
高光谱图像的目标检测和提取是一个重要的分支，也是一个难点。面对复杂多变的目标环境，在对高光谱图像进行目标检测时，如果对于全部数据以相同的方法处理，即将目标检测的方法用于图像中所有的像素，处理速度会十分耗时，而且效率低，难以达到实时处理的要求，已经严重制约了高光谱遥感技术的发展。就目前的高光谱遥感技术的发展状况来看，海量的高光谱遥感数据并没有被充分处理和挖掘，信息处理远远不能满足实时需要。如何快速处理庞大的高光谱图像数据成为一个富有挑战的课题。从心理学和认知科学可知，人们在观察一幅图像时，人的视觉系统能快速地将注意力集中在某个或某几个显著的区域，这些显著的区域往往是感兴趣的区域。利用这种智能处理方式——人类视觉系统中的视觉注意机制迅速选择少数几个区域进行优先处理，将提取出的目标区域进行分析，赋予高光谱图像处理系统一定的自主选择能力，进行有效的信息提取，避免了计算浪费，降低了分析难度，可以大幅度地提高当前的光谱图像处理系统的运行效率，实现目标情报分析以及海量数据快速筛选等功能，满足大量的实时高效实际的应用。为了提取图像中的显著区域，通常先通过计算图像中每个像素的显著度值，得到图像的显著度图，然后对该显著度图进行取阈值分割处理，得到一个二值化图像的分割结果，从而将感兴趣的目标提取出来。常用的视觉注意显著度计算方法主要面向自然图像，面向高光谱图像的较少；L.IttiandC.Koch提出ITTI方法(L.IttiandC.Koch，“Modelofsaliency-basedvisualattentionforrapidsceneanalysis”，IEEETrans.onPatternAnalysisandMachineIntelligence，vol.20，no.11，pp.1254-1259，1998.)，该方法采用亮度、颜色和方向等低级视觉特征，是经典的基于数据驱动的显著度计算方法，但该方法只考虑了局部显著性，没有考虑全局显著性和先验信息；HarelJ，KochC，PeronaP.提出GBVS方法(HarelJ，KochC，PeronaP.Graph-basedvisualsaliency[J].AdvancesinNeuralInformationProcessingSystems，2007，19：545-552.)，该方法采用基于数据驱动的显著度计算方法，与ITTI方法不同的是考虑了全局显著性，但没有考虑先验信息。
技术实现思路
本专利技术提供一种高光谱图像显著度图构造方法，解决现有基于视觉注意的显著度计算方法没有综合考虑全局显著性和先验信息的问题，以增加特定目标的显著度。本专利技术所提供的一种高光谱图像显著度图构造方法，包括提取初级视觉光谱特征步骤、计算数据驱动显著度步骤、提取目标光谱先验特征步骤、计算先验驱动显著度步骤和形成综合显著度步骤，其特征在于：(1)提取初级视觉光谱特征步骤：提取高光谱图像I的初级视觉光谱特征，高光谱图像I的大小为M×N，波段数为L；初级视觉光谱特征包括光谱能量DF1(x，y)、光谱极值DF2(x，y)和光谱结构DF3(x，y)；包括下述子步骤：(1.1)计算光谱能量：对于高光谱图像中的每个像元I(x，y)，其光谱能量DF1(x，y)为像元在光谱各波段的能量总和：其中，Il(x，y)为像元I(x，y)在第l波段的辐射强度；所有像元的光谱能量构成光谱能量图DF1；(1.2)计算光谱极值：所述光谱极值DF2(x，y)为该像元所有波段中辐射强度的最大值：DF2(x，y)＝max{Il(x，y)，(l＝1，...，L)}；所有像元的光谱极值构成光谱极值图DF2；(1.3)计算光谱结构：所述光谱结构DF3(x，y)为一个1×L的矢量，用于描述像元在不同波段的能量分布，采用归一化处理后，DF3(x，y)为：所有像元的光谱结构构成光谱结构图DF3；DFt总称为特征图，t＝1，2，3；(2)计算数据驱动显著度步骤，包括下述子步骤：(2.1)计算像素权重：对特征图DFt，计算特征图DFt中每个像素df(x，y)与其它像素df(p，q)间的权重w((x，y)，(p，q))：w((x，y)，(p.q))＝d((x，y)，(p，q))·f((x，y)，(p，q))；其中，d((x，y)，(p，q))为两像素间的初级视觉光谱特征的差异性，采用欧氏距离来度量；f((x，y)，(p，q))为像素间的特征差异性的距离衰减函数，表示两个像素距离越远，受另一个像素的影响作用越小；自由参数α为原始图像宽度M的1/30～1/10；(2.2)计算特征图的全局显著度和局部显著度：特征图DFt中当前像素df(x，y)的全局显著度St，g(x，y)为该像素和特征图中其他所有像素权重的总和：特征图DFt中当前像素df(x，y)的局部显著度St，l(x，y)：其中，xi为当前像素的8邻域像素的像素值，为8邻域像素的像素值均值；(2.3)计算各特征图的显著度：在获得各特征图每个像素的全局显著度与局部显著度后，再进行显著性融合，对于特征图DFt，当前像素显著度为：(2.4)计算数据驱动显著度：最后对各特征图当前像素的显著度进行融合，获得当前像素数据驱动显著度Sdown(x，y)：每个像素数据驱动显著度Sdown(x，y)构成数据驱动显著度图Sdown；(3)提取目标光谱先验特征步骤，包括下述子步骤：(3.1)令目标光谱为T(l)，l为波段号，l＝1，...，L。首先采用包络线去除算法获得目标光谱的吸收谷对应的波段号BV(j)，j＝0，...，K-1，比较各吸收谷的辐射强度，记辐射强度最小的吸收谷对应的波段号为Bmin；j为吸收谷的序号，K为吸收谷的个数；(3.2)然后在相邻两个吸收谷间寻找光谱局部极大值所在的波段号作为波峰位置BP(k)，k＝1，...，K，记辐射强度最大的波峰所在的波段号为Bmax；k为波峰的序号；(3.3)计算目标光谱先验吸收特征TFA(k)和目标光谱先验最大峰谷比特征TFB：TFA(k)＝T(BP(k))-min{T(BV(k-1)，T(BV(k)}，k＝1，...，K；TFB＝T(Bmin)/T(Bmax)；目标光谱先验吸收特征和目标光谱先验最大峰谷比特征构成目标光谱先验特征；(4)计算先验驱动显著度步骤，包括下述子步骤：(4.1)提取高光谱图像当前像元(x，y)在目标光谱所有波峰位置BP(k)所对应波段号的光谱吸收特征IFA(x，y，k)和目标光谱最大峰谷比特征IFB(x，y)：其中，Il(x，y)为像元I(x，y)在第l波段的辐射强度；(4.2)计算高光谱图像各像素的先验吸收特征显著度STFA(x，y，k)和先验最大峰谷比特征显著度STFB(x，y)：式中，σ为高斯参数，0.05≤σ≤0.2；(4.3)计算先验驱动显著度：对各像素彼此独立的先验特征进行综合，得到各像素先验驱动显著度：各像素先验驱动显著度构成先验驱动显著度图Stop；(5)计算综合显著度步骤：对各像素数据驱动显著度和先验驱动显著度进行融合，形成各像素综合显著度Stotal(x，y)：Stotal(x，y)本文档来自技高网...

【技术保护点】
一种高光谱图像显著度图构造方法，包括提取初级视觉光谱特征步骤、计算数据驱动显著度步骤、提取目标光谱先验特征步骤、计算先验驱动显著度步骤和形成综合显著度步骤，其特征在于：(1)提取初级视觉光谱特征步骤：提取高光谱图像I的初级视觉光谱特征，高光谱图像I的大小为M×N，波段数为L；初级视觉光谱特征包括光谱能量DF1(x，y)、光谱极值DF2(x，y)和光谱结构DF3(x，y)；包括下述子步骤：(1.1)计算光谱能量：对于高光谱图像中的每个像元I(x，y)，其光谱能量DF1(x，y)为像元在光谱各波段的能量总和：

【技术特征摘要】
1.一种高光谱图像显著度图构造方法，包括提取初级视觉光谱特征步骤、计算数据驱动显著度步骤、提取目标光谱先验特征步骤、计算先验驱动显著度步骤和形成综合显著度步骤，其特征在于：(1)提取初级视觉光谱特征步骤：提取高光谱图像I的初级视觉光谱特征，高光谱图像I的大小为M×N，波段数为L；初级视觉光谱特征包括光谱能量DF1(x，y)、光谱极值DF2(x，y)和光谱结构DF3(x，y)；包括下述子步骤：(1.1)计算光谱能量：对于高光谱图像中的每个像元I(x，y)，其光谱能量DF1(x，y)为像元在光谱各波段的能量总和：其中，Il(x，y)为像元I(x，y)在第l波段的辐射强度；所有像元的光谱能量构成光谱能量图DF1；(1.2)计算光谱极值：所述光谱极值DF2(x，y)为该像元所有波段中辐射强度的最大值：DF2(x，y)＝max{Il(x，y)，(l＝1，...，L)}；所有像元的光谱极值构成光谱极值图DF2；(1.3)计算光谱结构：所述光谱结构DF3(x，y)为一个1×L的矢量，用于描述像元在不同波段的能量分布，采用归一化处理后，DF3(x，y)为：所有像元的光谱结构构成光谱结构图DF3；DFt总称为特征图，t＝1，2，3；(2)计算数据驱动显著度步骤，包括下述子步骤：(2.1)计算像素权重：对特征图DFt，计算特征图DFt中每个像素df(x，y)与其它像素df(p，q)间的权重w((x，y)，(p，q))：w((x，y)，(p.q))＝d((x，y)，(p，q))·f((x，y)，(p，q))；其中，d((x，y)，(p，q))为两像素间的初级视觉光谱特征的差异性，采用欧氏距离来度量；f((x，y)，(p，q))为像素间的特征差异性的距离衰减函数，表示两个像素距离越远，受另一个像素的影响作用越小；自由参数α为原始图像宽度M的1/30～1/10；(2.2)计算特征图的全局显著度和局部显著度：特征图DFt中当前像素df(x，y)的全局显著度St，g(x，y)为该像素和特征图中其他所有像素权重的总和：特征图DFt中当前像素df(x，y)的局部显著度St，l(x，y)：其中，xi为当前像素的8邻域像素的像素值，为8邻域像素的像素值均值；(2.3)计算各特征图的显著度：在获得各特征图每个像素的全局显著度与局部显著度后，再进行显著性融合，对于特征图DFt，当前像素显著度为：(2.4)计算数据驱动显著度：最后对各特征图当前像素的显著度进行融合，获得当前像素数据驱动显著度Sdown(x，y)：每个像素数据驱动显著度Sdown(x，y)构成数据驱动显著度图Sdown；(3)提取目标光谱先验特征步骤，包括下述子步骤：(3.1)令目标光谱为T(l)，l为波段号，l＝1，...，L。首先采用包络线去除算法获得目标...

【专利技术属性】
技术研发人员：许毅平，田岩，王康嫚，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42