一种高光谱图像的局部约束线性编码方法及系统技术方案

本发明专利技术适用于图像处理技术领域，提供了高光谱图像的局部约束线性编码方法，包括：提取高光谱图像的待编码特征，得到特征集；根据特征集中的特征点，确定所述高光谱图像的词典；分别获取特征集的波段信息和词典中单词的波段信息；以特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。本发明专利技术实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时，引入了高光谱图像的波段信息，并将其作为特征点到词典单词的映射的判别约束，从而降低了特征点与词典单词之间映射的模糊性，增强了对高光谱图像的表示能力。

A locally constrained linear encoding method and system for hyperspectral images

The invention is applicable to the field of image processing technology and provides a locally constrained linear coding method for hyperspectral images, including: extracting the coded features of hyperspectral images to obtain a feature set; determining the dictionary of the hyperspectral images according to the feature points in the feature set; obtaining the band information of the feature set and the list in the dictionary respectively. The Euclidean distance between the feature points of the hyperspectral image and the words is calculated with the band information of the feature points and the band information of the words as the discriminant constraints, and the feature coding coefficient is obtained. The feature of the hyperspectral image is encoded according to the feature coding coefficient. The embodiment of the invention introduces the band information of the hyperspectral image as the discriminant constraint of the mapping of the feature points to the dictionary words while utilizing the local features of the hyperspectral image and the local linear constraint of the visual words, thereby reducing the fuzziness of the mapping between the feature points and the dictionary words and enhancing the hyperspectral image. The ability to represent images.

【技术实现步骤摘要】
一种高光谱图像的局部约束线性编码方法及系统
本专利技术属于图像处理
，尤其涉及一种高光谱图像的局部约束线性编码方法及系统。
技术介绍
在普通图像分类的特征编码方面，现有的编码算法主要有硬分配、稀疏编码、局部特征聚合描述符VLAD(vectoroflocallyaggregateddescriptors)、费舍尔向量和局部约束线性编码算法LLC(Locality-constrainedlinearcoding)等。与传统的灰度图像相比，高光谱图像包含丰富的空间、辐射和光谱三重信息。将传统的应用在普通图像的LLC扩展到3维LLC并应用于高光谱图像分类中能取得较好的效果，但是由于图像容易受场景中光照变化和复杂背景等因素影响，不同类别的图像提取得到的特征点可能表现出较强的相似性，而相同类别的图像提取得到的特征点又表现出差异性，这导致LLC编码过程中特征点到词典单词的映射变得模糊，出现“一词多义”或者“多词同义”，高光谱图像的表示能力弱。
技术实现思路
本专利技术所要解决的技术问题在于提供一种高光谱图像的局部约束线性编码方法及系统，旨在解决现有编码方法在编码过程中特征点到词典单词的映射模糊，高光谱图像的表示能力弱的问题。本专利技术是这样实现的，一种高光谱图像的局部约束线性编码方法，包括：提取高光谱图像的待编码特征，得到特征集；根据所述特征集中的特征点，确定所述高光谱图像的词典；分别获取所述特征集的波段信息和所述词典中单词的波段信息；以所述特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。进一步地，所述特征集以X＝[x1,x2,...,xN]∈RD×N表示，所述词典以B＝[b1,b2...bM]∈RD×M表示，所述词典B包括M个单词，所述特征集的波段信息以Ω表示，Ω＝[μ1,μ2,...,μK]∈RD×K，所述单词的波段信息以U表示，U＝[u1,u2,...,uL]∈RD×L，xi表示特征集X中的第i个特征点，所述特征编码系数以zi表示；特征编码系数以zi通过以下公式计算得到：其中：dif(μi,U)＝[dif(μi,u1),dif(μi,u2),...,dif(μi,uN)]T，⊙表示各元素点乘，dij表示特征点xi与近邻特征点xj之间的欧式距离，H为距离阈值，λ1和λ2为惩罚因子，λ1＝λ2＝0.005，dif(μi,uj)表示所述高光谱图像的特征点的波段μi与该特征点映射的单词的波段uj的差值。本专利技术实施例还提供了一种高光谱图像的局部约束线性编码系统，包括：特征提取单元，用于提取高光谱图像的待编码特征，得到特征集；词典确定单元，用于根据所述特征集中的特征点，确定所述高光谱图像的词典；波段获取单元，用于分别获取所述特征集的波段信息和所述词典中单词的波段信息；系数计算单元，用于以所述特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；特征编码单元，用于根据所述特征编码系数对所述高光谱图像的特征进行编码。进一步地，所述特征集以X＝[x1,x2,...,xN]∈RD×N表示，所述词典以B＝[b1,b2...bM]∈RD×M表示，所述词典B包括M个单词，所述特征集的波段信息以Ω表示，Ω＝[μ1,μ2,...,μK]∈RD×K，所述单词的波段信息以U表示，U＝[u1,u2,...,uL]∈RD×L，xi表示特征集X中的第i个特征点，所述特征编码系数以zi表示；所述系数计算单元通过以下公式计算得到特征编码系数以zi：其中：dif(μi,U)＝[dif(μi,u1),dif(μi,u2),...,dif(μi,uN)]T，⊙表示各元素点乘，dij表示特征点xi与近邻特征点xj之间的欧式距离，H为距离阈值，λ1和λ2为惩罚因子，λ1＝λ2＝0.005，dif(μi,uj)表示所述高光谱图像的特征点的波段μi与该特征点映射的单词的波段uj的差值。本专利技术与现有技术相比，有益效果在于：本专利技术实施例提取高光谱图像的待编码特征，得到包含特征点的特征集，根据特征集中的特征点，确定所述高光谱图像的词典，获取该特征集的波段信息和该词典中单词的波段信息，并以此作为判别约束项，计算该高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数，根据该特征编码系数对该高光谱图像的特征进行编码。本专利技术实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时，引入了高光谱图像的波段信息，并将其作为特征点到词典单词的映射的判别约束，从而降低了特征点与词典单词之间映射的模糊性，增强了对高光谱图像的表示能力。附图说明图1是本专利技术实施例提供的一种高光谱图像的局部约束线性编码方法的流程图；图2是本专利技术实施例提供的一种高光谱图像的局部约束线性编码系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1示出了本专利技术实施例提供的一种高光谱图像的局部约束线性编码方法，包括：S101，提取高光谱图像的待编码特征，得到特征集；S102，根据所述特征集中的特征点，确定所述高光谱图像的词典；S103，分别获取所述特征集的波段信息和所述词典中单词的波段信息；S104，以所述特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；S105，根据所述特征编码系数对所述高光谱图像的特征进行编码。现有技术中的LLC的基本思想是对待编码特征X使用距离最近的k个词典单词的线性组合表达特征。假设X＝[x1,x2,...,xN]∈RD×N是提取高光谱图像得到的一组特征集，D表示D维描述符，B＝[b1,b2,...,bM]∈RD×M是词典，包含M个单词，特征编码系数zi由高光谱图像的特征点xi和单词bj之间的欧式距离计算得到，如下所示：其中，⊙表示各元素点乘，λ为惩罚因子，di∈RM表示局部适配器，可为每个基向量分配不同的自由度，所分配的自由度与基向量和输入特征点xi的相似性成正比，如式(2)所示：di＝exp(dist(xi,B)/σ)(2)其中：dist(xi,B)＝[dist(xi,b1),dist(xi,b2),...,dist(xi,bM)]T(3)其中，dist(xi,bi)表示xi与bi之间的欧式距离，而σ用于调整局部适配器的权重衰减速度。通常将dist(xi,B)与max(dist(xi,B))相减从而将di正规化到(0,1]范围中，约束条件1Tzi＝1满足LLC码的平移不变性的要求。式(1)中的LLC编码在l0范数方面不具有稀疏性，但是由于其解只有少数有效值，因此从这一角度看，式(1)中的LLC编码具有稀疏性。实际中通常对那些较小的系数进行阈值处理使其为0。高光谱图像和普通二维图像不同之处在于，它不仅包含二维图像信息还包含光谱信息。鉴于上述的图像特征映射到词典单词可能产生“一词多义”或“多词同义”的模糊现象。为了能够更精确地对高光谱图像进行分类，本专利技术实施例引入高光谱图像特征点的波段信本文档来自技高网...

【技术保护点】
1.一种高光谱图像的局部约束线性编码方法，其特征在于，包括：提取高光谱图像的待编码特征，得到特征集；根据所述特征集中的特征点，确定所述高光谱图像的词典；分别获取所述特征集的波段信息和所述词典中单词的波段信息；以所述特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。

【技术特征摘要】
1.一种高光谱图像的局部约束线性编码方法，其特征在于，包括：提取高光谱图像的待编码特征，得到特征集；根据所述特征集中的特征点，确定所述高光谱图像的词典；分别获取所述特征集的波段信息和所述词典中单词的波段信息；以所述特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。2.如权利要求1所述的局部约束线性编码方法，其特征在于，所述特征集以X＝[x1,x2,...,xN]∈RD×N表示，所述词典以B＝[b1,b2...bM]∈RD×M表示，所述词典B包括M个单词，所述特征集的波段信息以Ω表示，Ω＝[μ1,μ2,...,μK]∈RD×K，所述单词的波段信息以U表示，U＝[u1,u2,...,uL]∈RD×L，xi表示特征集X中的第i个特征点，所述特征编码系数以zi表示；特征编码系数以zi通过以下公式计算得到：其中：dif(μi,U)＝[dif(μi,u1),dif(μi,u2),...,dif(μi,uN)]T，⊙表示各元素点乘，dij表示特征点xi与近邻特征点xj之间的欧式距离，H为距离阈值，λ1和λ2为惩罚因子，λ1＝λ2＝0.005，dif(μi,uj)表示所述高光谱图像的特征点的波段μi与该特征点映射的单词的波段uj的差值。3.一种高光谱图像的局部约束线性编码系统，其特征在于...

【专利技术属性】
技术研发人员：李岩山，刘燕，夏荣杰，王贤辰，谢维信，张勇，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44