一种基于高斯混合模型的高光谱海上小目标实时检测方法技术

本发明专利技术涉及一种高光谱目标检测方法，针对现有高光谱地物信息光谱数据方法难以满足爆炸式增长的地物信息光谱数据量目标检测问题，提供一种基于高斯混合模型的高光谱海上小目标实时检测方法，该方法能够充分利用高光谱波段数据，对数据进行逐列处理，从而实现海上小目标的实时探测。具体包括以下步骤：1)构造高斯混合模型；2)通过采集到的高光谱图像像素初始化高斯混合模型，建立初始背景模型；3)背景模型更新：对每个高光谱图像像素点的高斯混合模型进行学习、更新；4)提取检测目标并实时显示。

【技术实现步骤摘要】
一种基于高斯混合模型的高光谱海上小目标实时检测方法
本专利技术涉及一种高光谱目标检测方法，具体涉及一种基于高斯混合模型的高光谱海上小目标实时检测方法。
技术介绍
目标检测作为高光谱研究领域中的一个重要的研究方向，其目的是搜索图像中存在的特定对象。高光谱图像信息包括空间信息和光谱信息，具有图谱合一的特性。因此，目标检测除了可以利用图像空间信息外，还可以利用光谱信息。由于光谱特征是不同化学成分的物质具有的固有特性，结合该信息可大大提高对目标和背景进行定量分析的能力。从理论角度来看，目标检测可看作一个二元分类的问题，其目的是将图像分割成目标类和背景类。随着成像光谱技术的发展，高光谱遥感在能够获取更多的地物信息同时，伴随者数据量的爆炸式增长，大量的第五信息光谱数据给数据存储、传输和后期处理带来了巨大的压力。并且现有的高光谱目标检测是基于邻域的目标检测算法不利于实时检测。
技术实现思路
本专利技术的目的是针对现有高光谱地物信息光谱数据方法难以满足爆炸式增长的地物信息光谱数据量目标检测问题，而提供一种基于高斯混合模型的高光谱海上小目标实时检测方法，能够充分利用高光谱波段数据，对数据进行逐列处理，从而实现海上小目标的实时探测。为实现上述目的，本专利技术提供的技术方案是：一种基于高斯混合模型的高光谱海上小目标实时检测方法，其特殊之处在于，包括以下步骤：1)构造高斯混合模型：应用高斯混合模型对背景建模的基本思想，把每一个像素点所呈现的信息用K个叠加的高斯分布来表示。将每个像素点所呈现的信息X认为是随机变量，则在每个时刻t1,2,3,…,T得到的每一帧图像的像素值只是随机变量X的观测值。2)通过采集到的高光谱图像像素初始化高斯混合模型，建立初始背景模型；3)背景模型更新：逐列传输高光谱图像，同时对每个高光谱图像像素点的高斯混合模型进行学习、更新；4)提取检测目标并实时显示，即设定阈值将实时检测结果二值化，设背景为0，目标为1。进一步地，步骤1)具体构造的高斯混合模型如下：高斯混合模型公式为：式中，K为高斯分布的个数，3≤K≤5；表示t时刻像素j的高斯混合模型中第i个高斯分布的权重；xj为像素j在时刻t的取值；表示第i个高斯分布的均值；表示第i个高斯分布的协方差；表示高斯概率密度函数，其中：表示标准差；I表示单位矩阵；d为xj的维数。进一步地，步骤2)的具体步骤如下：对K个高斯分布初始化方差，一般取值为6～12；对每个高斯分布的权重取1/K；取采集到的高光谱图像的第一列每个像素的值对高斯混合模型中的K个高斯分布的均值初始化。进一步地，步骤3)的具体步骤如下：从第二列开始，逐列传输高光谱图像数据，直到数据传输完毕为止；同时，判断每一列每个像素xj与高斯混合模型中的K个高斯分布是否匹配；①若像素xj与K个高斯分布中的任一一个高斯分布匹配，则该高斯分布被像素xj更新；其余高斯分布保持不变；更新方程为：其中，α为模型学习率，反映了混合高斯分布中参数的收敛速度。②若xj与K个高斯分布均不匹配，则将高斯混合模型中的K个高斯分布按照的比值降序排列，将排列在最后的高斯分布替换为新的高斯分布；新的高斯分布的均值为像素xj的均值，权重和标准差为步骤2)中初始值；其余高斯分布的均值和标准差保持不变，权重按照下式更新：更新后，所有高斯分布的权重归一化，即令进一步地，步骤3)中，如果计算δ为匹配阈值；则判断为匹配；否则，判断为不匹配。进一步地，步骤4)中通过计算新获取像元与模型之间的距离，直接判断该像元是否服从背景高斯分布，检测是否为目标，并实时提取检测结果。具体提取检测目标并实时显示的步骤如下：通过下式计算目标前景矩阵；并通过下式构建二值矩阵；采用灰度图将检测结果实时显示。与现有技术相比，本专利技术的优点是：1、背景模型自动更新本专利技术基于高斯混合模型背景建模，将计算机视觉领域的高斯混合模型算法应用于高光谱数据中训练背景模型。随着数据逐行传输，背景模型不停的学习更新。背景模型根据新获取的像元信息更新模型参数，无需重建模型，对背景变化响应速度快。2、检测准确性高本专利技术基于高光谱图像进行目标探测，可以直接判断当前像元信息是否匹配背景模型。由于采用了多高斯分布背景建模，判定背景/目标并不单单依赖于某个高斯分布，更依赖于各分布的权值和优先级，因此最大程度避免了运动目标的干扰，进一步提高了目标检测的准确性。3、算法实时处理本专利技术通过逐行处理高光谱数据的方式来实现实时处理，将一列像素信息作为输入矩阵，读入该行数据的同时进行处理，算法检测时仅仅利用了当前及以前获取的像元信息，从而避免了重新计算历史信息和存储所有像元，实现了数据的同时传输和处理，有效减少了数据存储空间和处理工作量。附图说明图1是本专利技术检测方法一个实施例的流程框图；图2(a)至图2(f)为目标探测过程及结果图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。如图1所示，本实施例提供一种基于高斯混合模型的高光谱海上小目标实时检测方法，包括以下步骤：1)构造高斯混合模型；高斯混合模型公式为：式中，K为高斯分布的个数，3≤K≤5；表示t时刻像素j的高斯混合模型中第i个高斯分布的权重；xj为像素j在时刻t的取值；表示第i个高斯分布的均值；表示第i个高斯分布的协方差；表示高斯概率密度函数，其中：表示标准差；I表示单位矩阵；d为xj的维数；2)初始化高斯混合模型，建立初始背景模型：对K个高斯分布初始化方差，一般取值为6～12；对每个高斯分布的权重取1/K；取采集到的高光谱图像的第一列每个像素的值对高斯混合模型中的K个高斯分布的均值初始化。3)背景模型更新：逐列传输高光谱图像，同时对每一列每个像素xj的高斯混合模型不断学习、更新；从第二列开始，逐列传输高光谱图像数据，直到数据传输完毕为止；同时，判断每一列每个像素xj与高斯混合模型中的K个高斯分布是否匹配；如果计算δ为匹配阈值；则判断为匹配；否则，判断为不匹配；①若像素xj与K个高斯分布中的任一一个高斯分布匹配，则该高斯分布被像素xj更新；其余高斯分布保持不变；更新方程为：其中，α为模型学习率；反映了混合高斯分布中参数的收敛速度。②若xj与K个高斯分布均不匹配，则将高斯混合模型中的K个高斯分布按照的比值降序排列，将排列在最后的高斯分布替换为新的高斯分布；新的高斯分布的均值为像素xj的均值，权重和标准差为步骤2)中初始值；其余高斯分布的均值和标准差保持不变，权重按照下式更新：更新后，所有高斯分布的权重归一化，即令4)提取检测目标并实时显示：通过下式计算目标前景矩阵；并通过下式构建二值矩阵；采用灰度图将检测结果实时显示。本实施例采用来自中国科学院西安光学精密机械研究所光谱成像技术重点实验室获取的海上高光谱数据对本专利技术进行验证。海上高光谱数据图由海水和船只两部分组成，分别作为背景类和目标类。在实验中，设置混合高斯分布数目K为3，初始化标准差设为模型学习率α＝1/framenum，其中framenum＝lines，为整幅高斯图像的列数。逐列输入高光谱图像数据直至末列，所得实时处理效果如图2所示。本文档来自技高网...

【技术保护点】
1.一种基于高斯混合模型的高光谱海上小目标实时检测方法，其特征在于，包括以下步骤：1)构造高斯混合模型；2)通过采集到的高光谱图像像素初始化高斯混合模型，建立初始背景模型；3)背景模型更新：对每个高光谱图像像素点的高斯混合模型进行学习、更新；4)提取检测目标并实时显示。

【技术特征摘要】
1.一种基于高斯混合模型的高光谱海上小目标实时检测方法，其特征在于，包括以下步骤：1)构造高斯混合模型；2)通过采集到的高光谱图像像素初始化高斯混合模型，建立初始背景模型；3)背景模型更新：对每个高光谱图像像素点的高斯混合模型进行学习、更新；4)提取检测目标并实时显示。2.根据权利要求1所述的一种基于高斯混合模型的高光谱海上小目标实时检测方法，其特征在于，步骤1)具体构造的高斯混合模型如下：高斯混合模型公式为：式中，K为高斯分布的个数，3≤K≤5；表示t时刻像素j的高斯混合模型中第i个高斯分布的权重；xj为像素j在时刻t的取值；表示第i个高斯分布的均值；表示第i个高斯分布的协方差；表示高斯概率密度函数，其中：表示标准差；I表示单位矩阵；d为xj的维数。3.根据权利要求2所述的一种基于高斯混合模型的高光谱海上小目标实时检测方法，其特征在于，步骤2)的具体步骤如下：对K个高斯分布初始化方差；对每个高斯分布的权重取1/K；取采集到的高光谱图像的第一列每个像素的值，对高斯混合模型中的K个高斯分布的均值初始化。4.根据权利要求3所述的一种基于高斯混合模型的高光谱海上小...

【专利技术属性】
技术研发人员：张耿，陈佳欣，傅頔，胡炳樑，王爽，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：陕西,61