一种基于张量主成分分析降维的高光谱图像目标检测方法技术

一种基于张量主成分分析降维的高光谱图像目标检测方法，本发明专利技术涉及高光谱图像目标检测方法。本发明专利技术的目的是为了解决现有高光谱图像目标检测方法中未充分考虑在高分条件下空间约束增强的特性，不能从三维数据整体进行信息挖掘，检测精度低的问题。过程为：一：获得三阶目标、三阶背景和待检测的三阶测试样本张量块；二：获得目标、背景和待检测的测试样本三个维度上的投影矩阵；三：将目标、背景和待检测的测试样本投影到预设的张量子空间中；四：计算每一个待检测的测试样本到背景和目标模板的总距离；五：将距离的比值作为灰度值，如果灰度值大于阈值，则确定该中心点的像元为目标，否则认为该中心点的像元为背景。本发明专利技术用于图像处理领域。

A hyperspectral image target detection method based on tensor principal component analysis

The utility model relates to a hyperspectral image target detection method based on a tensor principal component analysis dimension reduction, and the present invention relates to a hyperspectral image target detection method. The purpose of the invention is to solve the problems of hyperspectral image target detection method is not fully considered in the constraint conditions of high spatial characteristics enhancement, not information mining from the 3D data, the problem of low detection accuracy. Process: one: get three order and three order background target to be detected and the three order tensor test sample block; two: target, background and the projection matrix of three dimensions of test samples on the three;: target, background and test samples are projected to the detection of tensor subspace of presupposition four:; calculate every test samples to the total distance of background and target template; five: distance as the ratio of the gray value, if the gray value greater than the threshold, it is determined that the center point of the pixel as the goal, or that the center point of the pixel as background. The invention is used in the field of image processing.

【技术实现步骤摘要】
一种基于张量主成分分析降维的高光谱图像目标检测方法
本专利技术涉及高光谱图像目标检测方法。
技术介绍
高光谱图像传感器能够通过上百个光谱通道获取地物的反射辐射信息，其波段范围覆盖了从可见光到近红外乃至长波红外区域。高光谱图像同时包含了地物的空间信息、反射或辐射信息及光谱信息，其特性通常被称为“图谱合一”。而且，高光谱图像数据提供了近乎连续的光谱采样信息，可以记录地物在光谱上很小的反射差异，作为地物分类和检测的依据。研究高光谱图像目标检测新技术，具有重要的理论意义和应用价值。在军事方面，可以揭露敌方目标的伪装、隐藏和欺骗；在民用方面，在公共安全、质量监控、失事点搜寻与营救等方面已经有重要应用。当前的目标检测手段主要有3种：异常检测、已知样本下的光谱匹配检测和一类分类方式检测。而常用的高光谱图像光谱匹配检测模型一般有三种，欧式距离模型，概率统计模型和子空间模型。典型的方法有正交子空间投影检测方法(OrthogonalSubspaceProjection，OSP)，特征子空间投影检测方法(SignatureSubspaceProjection，SSP)，匹配子空间检测方法(MatchedS本文档来自技高网...

【技术保护点】
一种基于张量主成分分析降维的高光谱图像目标检测方法，其特征在于：所述方法具体过程为：步骤一：对待检测的高光谱图像进行张量块的选择和划分，获得空X‑空Y‑光谱三阶目标模板张量块、空X‑空Y‑光谱三阶背景模板张量块和待检测的空X‑空Y‑光谱三阶测试样本张量块；步骤二：设定目标模板张量块、背景模板张量块和待检测的测试样本张量块每一维投影后维度的大小，利用所有待检测的测试样本张量块获得目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵；步骤三：根据步骤二获得的目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵，将步骤一得到的目标模板张量块、背景模板张量块...

【技术特征摘要】
1.一种基于张量主成分分析降维的高光谱图像目标检测方法，其特征在于：所述方法具体过程为：步骤一：对待检测的高光谱图像进行张量块的选择和划分，获得空X-空Y-光谱三阶目标模板张量块、空X-空Y-光谱三阶背景模板张量块和待检测的空X-空Y-光谱三阶测试样本张量块；步骤二：设定目标模板张量块、背景模板张量块和待检测的测试样本张量块每一维投影后维度的大小，利用所有待检测的测试样本张量块获得目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵；步骤三：根据步骤二获得的目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵，将步骤一得到的目标模板张量块、背景模板张量块和待检测的测试样本张量块投影到预设的张量子空间中；步骤四：采用TSAM距离度量方式，计算在投影后的张量子空间内，每一个待检测的测试样本张量块到背景模板张量块的总距离angle_b(m),m＝1,2,...M，以及每一个待检测的测试样本张量块到目标模板张量块的总距离angle_t(m),m＝1,2,...M；步骤五：建立张量距离比检测模型，将步骤四中得到的距离angle_b(m)和距离angle_t(m)的比值ratio(m)作为每个待检测的测试样本张量块中心点对应的灰度值，设定阈值η，如果任意一个待检测的测试样本张量块中心点对应的灰度值ratio(m)大于阈值η，则确定该中心点的像元为目标，否则认为该中心点的像元为背景。2.根据权利要求1所述一种基于张量主成分分析降维的高光谱图像目标检测方法，其特征在于：所述步骤一中对待检测的高光谱图像进行张量块的选择和划分，获得空X-空Y-光谱三阶目标模板张量块、空X-空Y-光谱三阶背景模板张量块和待检测的空X-空Y-光谱三阶测试样本张量块；具体过程为：给定一个3×3的窗口，将待检测的高光谱图像转换成三阶张量的形式，滑动取样窗口，当取样窗口中心点对应真值图的值为1的时候确定为空X-空Y-光谱三阶目标模板张量块T-tensor(i),i＝1,2,...NT；当窗口内所有点对应真值图的值均为0的时候确定为空X-空Y-光谱三阶背景模板张量块B-tensor(j),j＝1,2,...NB；滑动过程中一共从张量化的高光谱图像中获得M个待检测的、未知类别属性的空X‐空Y‐光谱三阶测试样本张量块NT、NB和M分别为目标模板张量块、背景模板张量块和待检测的测试样本张量块的个数，取值均为正整数。3.根据权利要求2所述一种基于张量主成分分析降维的高光谱图像目标检测方法，其特征在于：所述步骤二中设定目标模板张量块、背景模板张量块和待检测的测试样本张量块每一维投影后维度的大小，利用所有待检测的测试样本张量块获得目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵；具体过程为：步骤二一、设定目标模板张量块、背景模板张量块和待检测的测试样本张量块每一维度投影后维度的大小Pn,n＝1,2,3；步骤二二、利用所有待检测的测试样本张量块获得目标模板张量块、背景模板张量块和待检测的测试样本张量块三个维度上的投影矩阵，其步骤如下：步骤二二一：预处理，将M个待检测的测试样本张量中心化其中为M个待检测的测试样本张量的均值；步骤二二二：初始化，计算取的前Pn个最大的特征值对应的特征向量按列组成其中，为中心化后的待检测测试样本张量块的n模展开矩阵，m＝1,...,M，n＝1，...,N，上标T表示转置；是初始化时，用于求取特征向量来得到的矩阵，为初始化时得到的第n个方向上的投影矩阵，上标n表示对应所有张量第n维的投影矩阵，下标0表示初始化的过程，即此时迭代次数k＝0；步骤二二三：局部最优化；【1】：根据步骤二二二得到的将进行投影：计算的初始离散度：其中，为中心化后的待检测测试样本张量块经过投影的结果，为初始化时得到的N个方向上的投影矩阵，m＝1,...,M，n＝1,...,N；×n表示在中心化后的待检测测试样本张量块的第n维进行投影运算，n＝1,...,N，表示Frobenius范数的平方，□表示【2】：(1)初始化迭代次数k＝1,取Φ(n)的前Pn个最大的特征值对应的特征向量按列组成其表达式为：其中，为第k-1次迭代得到的第n维对应的投影矩阵，上标n表示对应所有张量第n维的投影矩阵，下标k‐1表示第k‐1次迭代；Xm(n)为待检测测试样本张量块的n模展开矩阵，其中m＝1,...,M，n＝1，...,N，上标T表示转置，为所有Xm(n)的均值，...

【专利技术属性】
技术研发人员：谷延锋，谭苏灵，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23