The present invention provides a method for extracting biological information of hyperspectral image based on the background of self-learning, which comprises the following steps: (1) using the minimum error of hyperspectral information identification method to estimate the number of endmembers in the image; (2) the background of clustering integration; (3) the background of clustering fusion; (4) find the closest the spectral feature information a priori, by comparing the clustering center and a priori information of spectral angle, to determine whether to abandon some categories; (5) extracting information. The method proposed in this paper avoids the damage caused by the physical contact when acquiring the information, can obtain the image many times stably, and can effectively estimate the background information, extract the complete biological target information, and effectively improve the extraction accuracy.
【技术实现步骤摘要】
一种基于背景自学习的高光谱图像生物信息提取方法
本专利技术涉及遥感信息
，具体涉及一种基于背景自学习的高光谱图像生物信息提取方法。
技术介绍
为了快速准确地提取附着于载体的生物特征信息，或确定生物体体表或体内某一区域存在的异常特征信息，传统的方法一般采用直接接触提取的方法，这往往会对信息载体造成损伤。通过拍摄含有目标特征信息的图像，对图像进行处理得到这些信息，是更可可靠的方法。一般页言，基于图像的生物特征提取方法大多是单波段全色图像，通过对图像的形状进行计算，或对图像进行滤波增强等方法获取目标区域形状。但是，传统单波全色图像存在着明显缺陷：在外界环境如光照等因素存在差异的情况下，单波段全色图像呈现出来的特征会发生较大变化，从而加大了信息提取的难度。随着成像光谱仪的出现，可以获取更加丰富和稳定的信息，利于进行进一步的生物信息提取，对于生物载体上的某些特征信息的提取，可以通过目标探测完成。近年来涌现了许多基于高光谱图像的目标信息提取方法，最常见的方法有匹配滤波器方法（MF）、约束能量最小化方法(CEM)、自适应余弦一致性评传器方法(ACE)、光谱角方法(SAM)...
【技术保护点】
一种基于背景自学习的高光谱图像生物信息提取方法，其特征在于：包括以下步骤：
【技术特征摘要】
1.一种基于背景自学习的高光谱图像生物信息提取方法，其特征在于：包括以下步骤：使用最小误差高光谱信息辨识法来估计图像中端元个数；将步骤得到的端元数作为聚类数，将聚类数引入到最小误差高光谱信息辨识法对背景信息进行聚类；得到聚类信息后，将聚类中心的光谱信息作为向量，计算各聚类间的光谱角，并合并光谱角的类别；找到与先验信息光谱特征最接近的类，通过比较聚类中心与先验信息光谱角，来判断些类别是否舍弃；在提取目标信息前，给每个像素点决定一个背景类，以当前像素为中心，划定一个正方形区域，以该区域内的所有像素点的信息共同决定当像像素的背景类，然后对正方形区域内的所有像素点进行加权平均的方法，得到具有空间信息的测试像素点光谱...
【专利技术属性】
技术研发人员：郑国毜，
申请(专利权)人：太仓埃特奥数据科技有限公司，
类型：发明
国别省市：江苏,32
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。