基于光谱抽样直方图的超光谱降维匹配方法及系统技术方案

本发明专利技术提供一种基于光谱抽样直方图的超光谱降维匹配方法及系统，包括对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象。本发明专利技术通过对归一化后的光谱使用等间距的窄带进行抽样，从而获得维数远小于原始光谱的抽样直方图，完成了光谱的降维，然后使用降维后的抽样直方图代替原始光谱进行匹配，显著降低了后续匹配时的运算量，同时在抽样时利用分段提取的方法保留了光谱图中的相对位置信息，提高了匹配的精度。

【技术实现步骤摘要】
基于光谱抽样直方图的超光谱降维匹配方法及系统
本专利技术涉及超光谱降维匹配
，具体地说，本专利技术涉及一种基于光谱抽样直方图的超光谱降维匹配方法及系统。
技术介绍
光谱遥感仪器正向着更高的光谱分辨率、空间分辨率以及时间分辨率的方向发展，测量得到的光谱数据维数可达数千维甚至数万维。在得到超光谱数据后，最常见也是最基础的需求是鉴别物质的种类，而鉴别种类就需要进行光谱的匹配。简单的说，光谱匹配是通过计算逐一比较光谱数据库中的所有参考光谱与待测光谱，选择最近似的一条光谱作为待测光谱的匹配结果。匹配结果可用于确定待测光谱的种类，或者作为对照信息供进一步分析时参考。然而，传统的光谱匹配算法很难适应超光谱数据维数巨大这一特性，计算复杂度大而且耗时长，无法达到实时性的要求。解决这一问题的关键在于使用适当的光谱降维算法对超光谱数据进行降维处理，即通过大幅降低光谱维数来减小运算量，提高实时性，同时保证光谱匹配的准确性尽量不受影响。但从研究现状来看，还没有专门用于超光谱数据的降维匹配算法，目前的光谱降维算法都是为几百维的高光谱数据而设计的，若直接用于超光谱数据降维然后再匹配，其性能不佳。
技术实现思路
为克服相应技术缺陷，本专利技术提出了一种基于光谱抽样直方图的超光谱降维匹配技术方案。本专利技术技术方案提供一种基于光谱抽样直方图的超光谱降维匹配方法，包括以下步骤：步骤1，光谱归一化，包括对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，归一化公式如下，ρn＝(ρ-ρmin)/(ρmax-ρmin)其中，ρn为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρmax为该条原始光谱中辐射值的最大值，ρmin为该条原始光谱中辐射值的最小值；步骤2，获取抽样直方图，包括分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，实现方式为对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行以下操作，将归一化后的光谱图在整个超光谱波段范围平均划分为s段，s为预设参数；在归一化后的光谱图上作M条互相平行且等间隔的宽度为2d的水平窄带，M和d为预设参数，则M条窄带在s个不同波段内与归一化后的光谱图中光谱曲线相交的次数组成抽样直方图，用(s×M)维向量{α11,α12,…α1M,…,αs1,…,αsM}表示，其中αij为第i个波段中第j条窄带与光谱曲线相交的次数，i＝1，2，…，s，j＝1，2，…，M；步骤3，计算欧氏距离，包括计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，设光谱库中有N条光谱，则分别计算得到待测光谱与光谱库中每条光谱抽样直方图的欧氏距离EDk，k＝1，…，N，实现方式为对待匹配光谱的抽样直方图与光谱库中任一光谱的抽样直方图计算欧氏距离如下，设A′＝{α′11,α′12,…α′1M,…α′s1,…α′sM}为待测光谱的抽样直方图，α′ij为待测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，A″＝{α″11,α″12,…α″1M,…α″s1,…α″sM}为光谱库中任意一条光谱的抽样直方图，α″ij为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，计算欧氏距离的公式为，步骤4，光谱匹配，包括在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象。本专利技术还相应提供一种基于光谱抽样直方图的超光谱降维匹配系统，包括以下模块：光谱归一化模块，用于对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，归一化公式如下，ρn＝(ρ-ρmin)/(ρmax-ρmin)其中，ρn为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρmax为该条原始光谱中辐射值的最大值，ρmin为该条原始光谱中辐射值的最小值；抽样直方图获取模块，用于分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，实现方式为对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行以下操作，将归一化后的光谱图在整个超光谱波段范围平均划分为s段，s为预设参数；在归一化后的光谱图上作M条互相平行且等间隔的宽度为2d的水平窄带，M和d为预设参数，则M条窄带在s个不同波段内与归一化后的光谱图中光谱曲线相交的次数组成抽样直方图，用(s×M)维向量{α11,α12,…α1M,…,αs1,…,αsM}表示，其中αij为第i个波段中第j条窄带与光谱曲线相交的次数，i＝1，2，…，s，j＝1，2，…，M；欧氏距离计算模块，用于计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，设光谱库中有N条光谱，则分别计算得到待测光谱与光谱库中每条光谱抽样直方图的欧氏距离EDk，k＝1，…，N，实现方式为对待匹配光谱的抽样直方图与光谱库中任一光谱的抽样直方图计算欧氏距离如下，设A′＝{α′11,α′12,…α′1M,…α′s1,…α′sM}为待测光谱的抽样直方图，α′ij为待测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，A″＝{α″11,α″12,…α″1M,…α″s1,…α″sM}为光谱库中任意一条光谱的抽样直方图，α″ij为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，计算欧氏距离的公式为，光谱匹配模块，用于在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象。本专利技术分析超光谱的抽样直方图信息，通过对归一化后的光谱使用等间距的窄带进行抽样，从而获得维数远小于原始光谱的抽样直方图，完成了光谱的降维，显著降低了后续匹配时的运算量，同时在抽样时利用分段提取的方法保留了光谱图中的相对位置信息，提高了匹配的精度。本专利技术的技术方案可以抑制不同级别的噪声对光谱图抽样的影响，具有良好的抗噪性和鲁棒性，相对传统方法可以显著降低匹配运算量，实时性好，具有良好的抗噪性和鲁棒性，匹配精度高。附图说明图1是本专利技术实施例的流程图。图2是本专利技术实施例的分波段抽样示意图。具体实施方式下面结合附图和实施例对本专利技术进行进一步的说明。参照附图1，本专利技术主要由4个步骤组成：光谱归一化，获取光谱的抽样直方图，计算欧氏距离，取最小欧氏距离完成匹配。实施例选取含有1432种物质光谱的光谱库，每种物质在光谱库中只有一条光谱数据。光谱分辨率为Δσ＝0.1cm-1，波长范围为2-14μm，对应波数范围为5000-714cm-1。在此光谱范围内共有N＝42861个采样点，即原始光谱为42861维。具体实施时，本专利技术技术方案可采用计算机软件技术实现自动运行流程。实施例执行步骤如下：(1)光谱归一化步骤包括，分别对待匹配光谱和光谱库中的所有光谱进行归一化处理，归一化公式如下：ρn＝(ρ-ρmin)/(ρmax-ρmin)其中，ρn为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρmax为该条原始光谱中辐射值的最大值，ρmin为该条原始光谱中辐射值的最小值。将待匹配光谱和光谱库中的所有光谱分别作为原始光谱，按以上归一化公式进行处理，得到相应归一化后的待匹配光谱和光谱库中所有光谱。(2)获取抽样直方图步骤包括，分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图。实施例中，对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行包括以下操作：(2本文档来自技高网...

【技术保护点】
一种基于光谱抽样直方图的超光谱降维匹配方法，其特征在于，包括以下步骤：步骤1，光谱归一化，包括对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，归一化公式如下，ρn＝(ρ‑ρmin)/(ρmax‑ρmin)其中，ρn为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρmax为该条原始光谱中辐射值的最大值，ρmin为该条原始光谱中辐射值的最小值；步骤2，获取抽样直方图，包括分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，实现方式为对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行以下操作，将归一化后的光谱图在整个超光谱波段范围平均划分为s段，s为预设参数；在归一化后的光谱图上作M条互相平行且等间隔的宽度为2d的水平窄带，M和d为预设参数，则M条窄带在s个不同波段内与归一化后的光谱图中光谱曲线相交的次数组成抽样直方图，用(s×M)维向量{α11,α12,…α1M,…,αs1,…,αsM}表示，其中αij为第i个波段中第j条窄带与光谱曲线相交的次数，i＝1，2，…，s，j＝1，2，…，M；步骤3，计算欧氏距离，包括计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，设光谱库中有N条光谱，则分别计算得到待测光谱与光谱库中每条光谱抽样直方图的欧氏距离EDk，k＝1，…，N，实现方式为对待匹配光谱的抽样直方图与光谱库中任一光谱的抽样直方图计算欧氏距离如下，设A′＝{α′11,α′12,…α′1M,…α′s1,…α′sM}为待测光谱的抽样直方图，α′ij为待测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，A″＝{α″11,α″12,…α″1M,…α″s1,…α″sM}为光谱库中任意一条光谱的抽样直方图，α″ij为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，计算欧氏距离的公式为，ED(A′,A′′)=Σi=1sΣj=1M(αij′-αij′′)2]]>步骤4，光谱匹配，包括在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象。...

【技术特征摘要】
1.一种基于光谱抽样直方图的超光谱降维匹配方法，其特征在于，包括以下步骤：步骤1，光谱归一化，包括对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，归一化公式如下，ρn＝(ρ-ρmin)/(ρmax-ρmin)其中，ρn为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρmax为该条原始光谱中辐射值的最大值，ρmin为该条原始光谱中辐射值的最小值；步骤2，获取抽样直方图，包括分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，实现方式为对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行以下操作，将归一化后的光谱图在整个超光谱波段范围平均划分为s段，s为预设参数；在归一化后的光谱图上作M条互相平行且等间隔的宽度为2d的水平窄带，M和d为预设参数，则M条窄带在s个不同波段内与归一化后的光谱图中光谱曲线相交的次数组成抽样直方图，用s×M维向量{α11,α12,…α1M,…,αs1,…,αsM}表示，其中αij为第i个波段中第j条窄带与光谱曲线相交的次数，i＝1，2，…，s，j＝1，2，…，M；步骤3，计算欧氏距离，包括计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，设光谱库中有N条光谱，则分别计算得到待匹配光谱与光谱库中每条光谱抽样直方图的欧氏距离EDk，k＝1，…，N，实现方式为对待匹配光谱的抽样直方图与光谱库中任一光谱的抽样直方图计算欧氏距离如下，设A′＝{α′11,α′12,…α′1M,…α′s1,…α′sM}为待匹配光谱的抽样直方图，α′ij为待匹配光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，A″＝{α″11,α″12,…α″1M,…α″s1,…α″sM}为光谱库中任意一条光谱的抽样直方图，α″ij为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，计算欧氏距离的公式为，步骤4，光谱匹配，包括在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹...

【专利技术属性】
技术研发人员：黄珺，马佳义，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42