高光谱图像自适应光谱聚焦波段选择方法技术

本发明专利技术公开了一种高光谱图像自适应光谱聚焦波段选择方法，首先分别利用三种波段选择算法对地物的整个光谱域高光谱原始数据进行处理，将每种算法的结果按从大到小顺序分别排列，选出前N个波段作为最佳波段组合；之后利用独立成分分析(ICA)波段评价函数分别对三种波段选择算法选出的最佳波段组合进行评估，设定J阈值，求出它们的评价结果，选择结果最大的波段组合作为最优波段组合。本发明专利技术利用自适应光谱聚焦技术，光谱仪成像时可实现波段的自动波长选择，使控制成像系统中的可调谐滤光组件自适应调谐到最有利于探测和识别的若干个光谱通道，实现光谱自适应探测，剔除冗余与杂乱光谱信息，提高光谱成像信息利用效率，降低信息处理的资源需求。

【技术实现步骤摘要】
高光谱图像自适应光谱聚焦波段选择方法
本专利技术属于图像处理
，尤其是涉及一种高光谱图像自适应光谱聚焦波段选择方法。
技术介绍
近30年来，随着高光谱遥感技术和成像光谱仪的发展，高光谱成像技术在卫星和机载遥感领域有着成功的应用。但是由于高光谱图像数据维数高、数据量大、波段间数据冗余性大，会出现Hughes现象，即在样本点数目一定的前提下，随着特征维数的增加分类精度会“先增后降”，这是影响分类精度的一个重要因素。所以如何抑制Hughes现象的出现成为高光谱数据处理的重要内容，这就需要研究如何在样本有限的前提下减少波段间的冗余信息。针对以上问题，专利技术人研究了自适应光谱聚焦技术。利用自适应光谱聚焦技术，光谱仪成像时可以实现波段的自动波长选择，使控制成像系统中的可调谐滤光组件自适应调谐到最有利于探测和识别的若干个光谱通道，实现光谱自适应探测，剔除冗余与杂乱光谱信息，提高光谱成像信息利用效率，降低信息处理的资源需求。此技术一方面有助于提高系统的实时性好小型化，这对于弹载、机载等高实时性、无人参与的应用具有十分重要意义；另一方面由于有效压缩了光谱维数，其形成的光谱图像数据有利于高光谱分类精度提高[4]可以实现对目标的有效检测。自适应光谱聚焦技术中主要研究最佳波段选择，它保留了原始数据的物理意义便于图像的探测和解译。光谱聚焦技术是波段选择的一种特殊应用。波段评价函数是对波段选择结果进行的评估，评价其选择波段的精确度。波段评价函数也是光谱聚焦的有效方法。
技术实现思路
有鉴于此，本专利技术的目的是针对现有技术的不足，提供一种高光谱图像自适应光谱聚焦波段选择方法，利用自适应光谱聚焦技术，光谱仪成像时可以实现波段的自动波长选择，使控制成像系统中的可调谐滤光组件自适应调谐到最有利于探测和识别的若干个光谱通道，实现光谱自适应探测，剔除冗余与杂乱光谱信息，提高光谱成像信息利用效率，降低信息处理的资源需求。为达到上述目的，本专利技术采用以下技术方案：高光谱图像自适应光谱聚焦波段选择方法，包括如下步骤：S1、在光谱仪聚焦成像之前，分别利用三种波段选择算法对地物的整个光谱域高光谱原始数据进行处理，将每种算法的结果按从大到小顺序分别排列，设定波段选择个数N，选出前N个波段作为最佳波段组合，其中所述三种波段选择算法包括基于信息量的自适应波段选择法、基于空间维类间可分性的离散度算法和基于光谱维的类间可分性的光谱角制图(SAM)算法；S2、利用独立成分分析(ICA)波段评价函数分别对三种波段选择算法选出的最佳波段组合进行评估，设定J阈值，求出它们的评价结果，选择结果最大的波段组合作为最优波段组合，其中，所述独立成分分析(ICA)波段评价函数首先利用FastICA算法求出通过所述三种波段选择算法选出的最佳波段组合的独立成分矩阵以实现目标信息与复杂背景信息的分离，然后采用HOS-ICA算法对独立成分排序，计算各个独立成分的J值，设定J阈值，计算独立成分中J满足阈值的数目占总数的百分比，百分比越大，说明目标信息越多，波段选择越精确最后用光谱仪聚焦到最优波段光谱通道成像。进一步地，在步骤S1中，所述自适应波段选择法结合了波段间的光谱相关性和空间相关性，并构造了相应的数学模型如下：其中：σi为第i个波段的标准差；E{}为数学期望；Ri-1,i和Ri,i+1是第i个波段与前后两波段的相关系数，相关系数越小，表明两个波段数据之间的独立性越高、冗余度也越小；Ii是第i幅图像的指数大小；M、N分别是图像的行、列像素数，fi(x,y)是第i幅图像，是第i幅图像的像素平均值；根据以上公式求出各个波段指数，然后对各个波段指数进行由大到小的排列,选出前N个波段作为采用所述自适应波段选择法得到的最佳波段组合。进一步地，在步骤S1中，所述离散度算法的公式为：其中：μi，μj分别为地物类i与地物类j对应的样本区的光谱均值矢量，∑i,∑j分别类i，j在任意两波段上的协方差矩阵，tr[C]为矩阵C对角线的元素和；通过计算两类对在任意两个波段组合上的离散度距离,按从大到小顺序排列，取前N个波段组合作为采用所述离散度算法得到的最佳波段组合。进一步地，在步骤S1中，所述光谱角制图(SAM)算法的公式为：其中，xi和xj为两类地物i和j光谱矢量，α为光谱夹角，光谱夹角α越大,说明两个类别间相似性越小，可分性越好，计算两类地物在任意两个波段组合上的光谱角度值并按从大到小顺序排序，取前N个波段组合作为该两类地物采用光谱角制图(SAM)算法得到的最佳波段组合。FastICA算法思想：设高光谱图像用矩阵X＝[x1,x2,L,xm]表示，其中xi(1≥i≥m)代表第i条像元光谱，是一个L维列向量,L为波段数；假定它们是由n个具有零均值且相互统计独立的分量S＝(s1,s2,Lsn)T线性组合而成；可以用矩阵形式表示为：X＝AS,m≥n，其中A为未知的m×n维列满秩混合矩阵；可利用X寻找变换矩阵W，进而求得独立成分S和混合矩阵A；进一步地，在步骤S2中，所述FastICA算法包括如下步骤：(1)高光谱图像用矩阵X去均值和白化，得其中V是由高光谱图像样本协方差阵∑x的特征值构成的对角阵，U为对应特征向量组成的正交阵，(2)k＝0,选择任意L阶正交矩阵作为W0；(3)k＝k+1，对于i∈{1,2,L,L}，可得：wi(k)＝E{zg(wi(k-1)Tz)}-E{g′(wi(k-1)Tz)}wi(k-1)其中g(t)＝te-i/2,g'(·)是g(·)的导数，Wk＝[w1(k),w2(k),LwL(k)]；(4)Wk正交化特征分解：则满足I是单位阵；(5)给定阈值ε(设定为10-6)，若满足：其中返回步骤(3)；否则计算S即是最终求得的独立成分；本专利技术用FastICA算法计算独立成分，每次从观测信号中分离出一个独立分量直至所有的独立分量被分离出来。它是一种基于定点的迭代的算法，它有使用简单、稳定性好和收敛速度快的优点。HOS-ICA算法是基于高阶统计特性的独立成分排序的算法，其思想是把每个独立成分看出一个随机变量，计算偏度和峰度的组合统计量，其值越大，该成分的数据分布和高斯分布的偏离就越大，含有目标信息就越多；进一步地，在步骤S2中，所述HOS-ICA算法如下：对每一幅独立成分图像si,i∈{1,2,L,L}，计算其中是像元n在si的分量，按照J(si)的大小对独立成分降序排列。本专利技术的有益效果是：本专利技术针对高光谱图像数据维数高、数据量大、波段间数据冗余性大，会出现Hughes现象，即在样本点数目一定的前提下，随着特征维数的增加分类精度会“先增后降”的问题，提供一种高光谱图像自适应光谱聚焦波段选择方法，首先，在光谱仪聚焦成像之前，分别利用三种波段选择算法对地物的整个光谱域高光谱原始数据进行处理，将每种算法的结果按从大到小顺序分别排列，设定波段选择个数N，选出前N个波段作为最佳波段组合，其中所述三种波段选择算法包括基于信息量的自适应波段选择法、基于空间维类间可分性的离散度算法和基于光谱维的类间可分性的光谱角制图(SAM)算法；之后利用独立成分分析(ICA)波段评价函数分别对三种波段选择算法选出的最佳波段组合进行评估，设定J阈值，求出它们的评价结果，选择结果最大的波段组合作为最优波段组合，其中，所述独立本文档来自技高网...

【技术保护点】
1.高光谱图像自适应光谱聚焦波段选择方法，其特征在于，包括如下步骤：S1、在光谱仪聚焦成像之前，分别利用三种波段选择算法对地物的整个光谱域高光谱原始数据进行处理，将每种算法的结果按从大到小顺序分别排列，设定波段选择个数N，选出前N个波段作为最佳波段组合，其中所述三种波段选择算法包括基于信息量的自适应波段选择法、基于空间维类间可分性的离散度算法和基于光谱维的类间可分性的光谱角制图(SAM)算法；S2、利用独立成分分析(ICA)波段评价函数分别对三种波段选择算法选出的最佳波段组合进行评估，设定J阈值，求出它们的评价结果，选择结果最大的波段组合作为最优波段组合，其中，所述独立成分分析(ICA)波段评价函数首先利用FastICA算法求出通过所述三种波段选择算法选出的最佳波段组合的独立成分矩阵以实现目标信息与复杂背景信息的分离，然后采用HOS‑ICA算法对独立成分排序，计算各个独立成分的J值，设定J阈值，计算独立成分中J满足阈值的数目占总数的百分比，百分比越大，说明目标信息越多，波段选择越精确最后用光谱仪聚焦到最优波段光谱通道成像。

【技术特征摘要】
1.高光谱图像自适应光谱聚焦波段选择方法，其特征在于，包括如下步骤：S1、在光谱仪聚焦成像之前，分别利用三种波段选择算法对地物的整个光谱域高光谱原始数据进行处理，将每种算法的结果按从大到小顺序分别排列，设定波段选择个数N，选出前N个波段作为最佳波段组合，其中所述三种波段选择算法包括基于信息量的自适应波段选择法、基于空间维类间可分性的离散度算法和基于光谱维的类间可分性的光谱角制图(SAM)算法；S2、利用独立成分分析(ICA)波段评价函数分别对三种波段选择算法选出的最佳波段组合进行评估，设定J阈值，求出它们的评价结果，选择结果最大的波段组合作为最优波段组合，其中，所述独立成分分析(ICA)波段评价函数首先利用FastICA算法求出通过所述三种波段选择算法选出的最佳波段组合的独立成分矩阵以实现目标信息与复杂背景信息的分离，然后采用HOS-ICA算法对独立成分排序，计算各个独立成分的J值，设定J阈值，计算独立成分中J满足阈值的数目占总数的百分比，百分比越大，说明目标信息越多，波段选择越精确最后用光谱仪聚焦到最优波段光谱通道成像。2.根据权利要求1所述的高光谱图像自适应光谱聚焦波段选择方法，其特征在于：在步骤S1中，所述自适应波段选择法结合了波段间的光谱相关性和空间相关性，并构造了相应的数学模型如下：其中：σi为第i个波段的标准差；E{}为数学期望；Ri-1,i和Ri,i+1是第i个波段与前后两波段的相关系数，相关系数越小，表明两个波段数据之间的独立性越高、冗余度也越小；Ii是第i幅图像的指数大小；M、N分别是图像的行、列像素数，fi(x,y)是第i幅图像，是第i幅图像的像素平均值；根据以上公式求出各个波段指数，然后对各个波段指数进行由大到小的排列,选出前N个波段作为采用所述自适应波段选择法得到的最佳波段组合。3.根据权利要求1所述的高光谱图像自适应光谱聚焦波段选择方法，其特征在于：在步骤S...

【专利技术属性】
技术研发人员：唐晓燕，王运锋，肖东岳，高昆，刘瑜，
申请(专利权)人：南阳理工学院，
类型：发明
国别省市：河南,41