The invention provides a hyperspectral target detection method based on conditional random projection features, which can realize accurate and fast target detection, and can improve the sensitivity to the number of training samples. A supervised feature selection and feature extraction method based on conditional random projection is proposed for the characterization of spectral data of hyperspectral images. The projection parameter matrix related to data and labels is obtained, and the conditional random features are obtained through the projection parameter matrix, so the accuracy of target detection is improved. At the same time, screening estimation and sampling are added in the whole calculation process. The operation of screening estimation and sampling takes less time, and the training time is short. The operation of screening estimation and sampling is completed in the off-line stage. The results obtained from training are directly used in actual operation, so this method has the advantages of high detection accuracy and high test running efficiency.
【技术实现步骤摘要】
一种基于条件随机投影的高光谱目标检测方法
本专利技术属于遥感图像处理
,涉及一种基于条件随机投影特征提取策略的高光谱遥感目标快速检测方法。
技术介绍
随着高光谱遥感技术的迅速发展,高光谱在军事、民生方面的应用越来越广泛,由此引发针对具体应用环境的高光谱数据处理要求也越来越高。其中,高光谱遥感图像典型地物目标检测是一个重要的研究方向,其在城市配置科学性,农业种植分布规划以及军事敏感目标分类提取均有重要意义。当前,在高光谱地物典型目标检测领域里,主要将检测问题转化为数据分类问题,并依赖以下两类主流的分类方法:一、非监督的方法:高光谱遥感图像较高的高分辨率光谱信息意味着光谱数据包含更多的细节信息,这些细节信息可以作为确定地物类别的依据。通过在高光谱观测数据的目标表面材质特征性谱段(如飞机、舰船表面钢材在近红外谱段特征明显)采用阈值分割的思想来实现,包括Otsu等自适应阈值分割等方法。但是由于成像角度、大气环境等因素的影响,复杂地物背景的光谱可能与目标光谱近似(如目标阴影、建筑屋顶沥青等地物在近红外谱段与目标具有较为相似的光谱性质,即“异物同谱”),从而导致基于阈值分割的方法极易出现虚警过高的问题;此外,仅利用特定谱段的数据也是对高光谱观测数据的严重浪费。二、有监督方法:该方法是现在高光谱遥感图像处理领域普遍使用的分类方法。为了解决“异物同谱”、“同物异谱”等问题,采用有监督样本学习与训练的思想,直接拟合出目标光谱信息与目标标签间的函数映射关系,完成目标辨识任务。典型的有监督模型有神经网络、支持向量机等。当前广泛应用的基于深度学习模型的高光谱地物目标检测方法 ...
【技术保护点】
1.一种基于条件随机投影的高光谱目标检测方法,其特征在于,包括如下步骤:步骤1、搜集随机生成的光谱向量形成训练集并归一化,得到样本光谱数据及其对应的标签;所述样本光谱数据包括正样本数据以及负样本数据;步骤2、利用随机生成的投影参数矩阵对样本光谱数据进行投影,得到随机特征向量;步骤3、根据光谱数据的标签信息,对所述随机特征向量进行特征维度筛查,使得筛查后的随机特征向量在特征空间中的几何位置关系与对应标签在输出空间中的几何位置关系一致;步骤4、搜集筛查后的随机特征向量在投影参数矩阵中对应的列向量,并估计所述列向量的概率分布;步骤5、根据步骤4得到的概率分布对所述列向量进行采样,将采样结果作为变换参数,利用变换参数对所述样本光谱数据和待测光谱向量分别进行投影,得到样本光谱数据和待测光谱向量各自的条件随机特征;步骤6、基于样本数据的条件随机特征,构建待测光谱向量的条件随机特征的概率密度分布函数;基于该概率密度分布函数,获得待测光谱向量的条件随机特征的概率,将待测光谱向量的条件随机特征的概率高于设定阈值对应的待测光谱向量判定为目标,实现高光谱目标检测。
【技术特征摘要】
1.一种基于条件随机投影的高光谱目标检测方法,其特征在于,包括如下步骤:步骤1、搜集随机生成的光谱向量形成训练集并归一化,得到样本光谱数据及其对应的标签;所述样本光谱数据包括正样本数据以及负样本数据;步骤2、利用随机生成的投影参数矩阵对样本光谱数据进行投影,得到随机特征向量;步骤3、根据光谱数据的标签信息,对所述随机特征向量进行特征维度筛查,使得筛查后的随机特征向量在特征空间中的几何位置关系与对应标签在输出空间中的几何位置关系一致;步骤4、搜集筛查后的随机特征向量在投影参数矩阵中对应的列向量,并估计所述列向量的概率分布;步骤5、根据步骤4得到的概率分布对所述列向量进行采样,将采样结果作为变换参数,利用变换参数对所述样本光谱数据和待测光谱向量分别进行投影,得到样本光谱数据和待测光谱向量各自的条件随机特征;步骤6、基于样本数据的条件随机特征,构建待测光谱向量的条件随机特征的概率密度分布函数;基于该概率密度分布函数,获得待测光谱向量的条件随机特征的概率,将待测光谱向量的条件随机特征的概率高于设定阈值对应的待测光谱向量判定为目标,实现高光谱目标检测。2.如权利要求1所述的一种基于条件随机投影的高光谱目标检测方法,其特征在于,所述步骤6中,只基于正样本数据的条件随机特征,构建待测光谱向量的条件随机特征的概率密度分布函数。3.如权利要求1或2所述的一种基于条件随机投影的高光谱目标检测方法,其特征在于,所述步骤2中基于沃什-哈达玛变换的广义傅里叶变换方法得到随机特征向量。4.如权利要求1或2所述的一种基于条件随机投影的高光谱目标检测方法,其特征在于,所述步骤3中,通过最大化目标函数实现特征维度筛查,所述目标函数为:s....
【专利技术属性】
技术研发人员:唐林波,周士超,邓宸伟,王文正,赵保军,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。