一种高光谱图像河流检测方法技术

本发明专利技术涉及遥感图像处理技术领域，尤其涉及一种高光谱图像河流检测方法、计算机设备以及计算机可读存储介质，该方法包括：输入高光谱图像；对高光谱图像进行滤波；对图像进行分解，计算不同尺度、不同方向下的剪切波特征；对所有剪切波特征进行归一化处理，并计算每个剪切波特征的标准差；选出每一尺度下，标准差最大的两个剪切波特征进行求和，得到河流的特征图像；对特征图像进行自适应阈值分割，得到二值化图；将二值化图作为活动轮廓模型模板，利用活动轮廓模型进行河流检测，得到河流检测结果。本发明专利技术避免了使用边缘信息及学习类方法，解决了小样本下河流目标检测困难的问题，可以显著提高河流虚警源的检测能力，同时提高了计算效率。

A method of river detection based on hyperspectral image

【技术实现步骤摘要】
一种高光谱图像河流检测方法
本专利技术涉及遥感图像处理
，尤其涉及一种高光谱图像河流检测方法、计算机设备以及计算机可读存储介质。
技术介绍
高光谱图像有着极为广泛的应用，如安防监控、地理信息系统更新、环境检测等，由此对于高光谱图像中不同种类的目标进行提取成为近年来的研究热点，针对河流的提取就是其中的一个问题。由于高光谱图像成像距离远、成像质量不高，因此图像中的目标容易与背景等其他干扰信息混淆，使得检测难度增大。目前，河流检测方法主要是利用河流边缘信息或复杂的数学模型如snake或genetic模型提取河流，计算量较大，效率较低。除此之外，遥感图像目标检测也常使用融合方法，但大部分的融合方法都是将不同种类的原始数据进行融合，或者将大量的处理结果在决策级进行融合，而高光谱图像数量较少、成像质量较差，难以通过现有的融合方法获得较为准确的检测结果。因此，针对以上不足，需要提供一种利用小样本数据进行高光谱图像河流检测的方法。
技术实现思路
本专利技术的目的是针对上述至少一部分问题，提供一种小样本下河流检测方法，以实现高效检测高光谱图像中的河流。为了实现上述目的，本专利技术提供了一种高光谱图像河流检测方法，包括如下步骤：S1、输入高光谱图像；S2、对输入的高光谱图像进行滤波；S3、设定分解尺度及方向，对滤波后的图像进行分解，计算不同尺度、不同方向下的剪切波特征；S4、对计算得到的所有剪切波特征进行归一化处理，并计算每个剪切波特征的标准差；S5、选出每一尺度下，标准差最大的两个剪切波特征进行求和，得到河流的特征图像；S6、对得到的特征图像进行自适应阈值分割，得到二值化图；S7、将得到的二值化图作为活动轮廓模型模板，利用活动轮廓模型进行河流检测，得到河流检测结果。优选地，所述步骤S1中，输入的高光谱图像为经过降维处理的高光谱图像，或所述步骤S1还包括对输入的高光谱图像进行降维处理。优选地，所述步骤S2中，对输入的高光谱图像进行滤波时，采用Frangi滤波方法。优选地，所述步骤S2中，对输入的高光谱图像进行Frangi滤波时，表达式为：其中，Vo表示响应结果，σ表示高斯滤波的方差，RB表示像素结构的判断函数，S表示对前景和背景的判断，β和c为常数阈值；λ2为每个像素点的Hessian矩阵所求得的最大的特征值；得到的滤波结果表达式为：其中，ρ为最大响应时的方差。优选地，所述步骤S3中，计算不同尺度、不同方向下的剪切波特征时，所采用的表达式为：其中，为尺度参数，j表示分解尺度级数，为剪切参数，k表示剪切的方向的序号，x表示图像像素值，t表示平移量，ψ表示得到的剪切波变换，SH表示得到的剪切波特征。优选地，所述步骤S4中对计算得到的所有剪切波特征进行归一化处理时，所采用的表达式为：SFj,k＝(SHj,k-min(SHj,k))/(max(SHj,k)-min(SHj,k))其中，SF为归一化后的剪切波特征，SH为归一化前的剪切波特征。优选地，所述步骤S4中计算每个剪切波特征的标准差时，所采用的表达式为：d(n)＝std(SFj,k)n＝1,2,...j*k其中，d为标准差向量，n为序号。优选地，所述步骤S6中对得到的特征图像进行自适应阈值分割时，自适应阈值的表达式为：T＝μ+α×σ其中，T表示自适应阈值，μ表示特征图像的均值，σ表示特征图像的标准差，α为根据实际需要设定的系数。本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。本专利技术的上述技术方案具有如下优点：本专利技术提供了一种高光谱图像河流检测方法，首先输入高光谱图像，然后利用滤波对河流区域进行增强，再对增强后的图像，利用剪切波变化进行特征分析，再对得到的剪切波特征进行归一化并计算其标准差，从而选择出河流较为明显的特征，然后对选择的特征进行加和，得到河流特征图像，之后对特征图像进行自适应阈值分割得到二值图，最后利用活动轮廓模型进行检测，得到最终的河流检测结果。本专利技术避免了传统的利用河流边缘信息以及依赖于样本数量的学习方法，利用河流的方向信息，通过提取剪切波特征来表示河流，简化了计算难度，可以显著提高河流虚警源的检测能力。除此之外，本专利技术在保证准确率的同时，达到了提升计算效率及方法鲁棒性的目的。附图说明图1是本专利技术实施例中一种高光谱图像河流检测方法流程图；图2是一幅经过降维处理的高光谱图像；图3是本专利技术实施例中的方法对图2进行滤波后得到的图像；图4是本专利技术实施例中的方法对图3进行剪切波变换，得到的部分剪切波特征；图5是本专利技术实施例中的方法通过标准差选择后，对选择的特征进行求和得到的河流特征图像；图6是本专利技术实施例中的方法利用自适应阈值得到的二值化图像；图7是本专利技术实施例中的方法得到的河流检测结果。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供的一种高光谱图像河流检测方法，包括如下步骤：S1、输入高光谱图像。优选地，步骤S1中输入的高光谱图像为经过降维处理的高光谱图像，或步骤S1还包括对输入的高光谱图像进行降维处理。针对高光谱图像的降维可采用现有技术中的任意方法，在此不再赘述。S2、对输入的高光谱图像进行滤波。通过滤波对图像进行预处理，可增强高光谱图像中的河流目标，以便后续进行计算。S3、设定分解尺度及方向，对滤波后的图像进行分解，计算图像中不同尺度、不同方向下的剪切波特征，得到相应的特征图。利用现有技术中的剪切波变换方法，对增强后的图像进行多尺度、多方向特征分析，计算出河流在不同方向下的特征，可得到不同尺度、不同方向下相应的剪切波特征图。分解图像时，具体的分解尺度及分解方向可根据实际需要而选择，优选地，可设定分解尺度为2～4级，分解方向为0～180°中平均分为n个方向，n的范围为6～10。河流的方向信息是河流固有的属性，具有普遍性。计算剪切波特征时，当河流方向与计算方向相近，河流特征会明显而其他背景特征会减弱；在其他方向下，河流将和其他背景表现相同。因此，利用河流的方向信息，能为后续的检测任务提供非常有效的条件。S4、对计算得到的所有剪切波特征进行归一化处理，得到归一化的特征图本文档来自技高网...

【技术保护点】
1.一种高光谱图像河流检测方法，其特征在于，包括如下步骤：/nS1、输入高光谱图像；/nS2、对输入的高光谱图像进行滤波；/nS3、设定分解尺度及方向，对滤波后的图像进行分解，计算不同尺度、不同方向下的剪切波特征；/nS4、对计算得到的所有剪切波特征进行归一化处理，并计算每个剪切波特征的标准差；/nS5、选出每一尺度下，标准差最大的两个剪切波特征进行求和，得到河流的特征图像；/nS6、对得到的特征图像进行自适应阈值分割，得到二值化图；/nS7、将得到的二值化图作为活动轮廓模型模板，利用活动轮廓模型进行河流检测，得到河流检测结果。/n

【技术特征摘要】
1.一种高光谱图像河流检测方法，其特征在于，包括如下步骤：
S1、输入高光谱图像；
S2、对输入的高光谱图像进行滤波；
S3、设定分解尺度及方向，对滤波后的图像进行分解，计算不同尺度、不同方向下的剪切波特征；
S4、对计算得到的所有剪切波特征进行归一化处理，并计算每个剪切波特征的标准差；
S5、选出每一尺度下，标准差最大的两个剪切波特征进行求和，得到河流的特征图像；
S6、对得到的特征图像进行自适应阈值分割，得到二值化图；
S7、将得到的二值化图作为活动轮廓模型模板，利用活动轮廓模型进行河流检测，得到河流检测结果。


2.根据权利要求1所述的方法，其特征在于：
所述步骤S1中，输入的高光谱图像为经过降维处理的高光谱图像，或
所述步骤S1还包括对输入的高光谱图像进行降维处理。


3.根据权利要求1所述的方法，其特征在于：
所述步骤S2中，对输入的高光谱图像进行滤波时，采用Frangi滤波方法。


4.根据权利要求3所述的方法，其特征在于：
所述步骤S2中，对输入的高光谱图像进行Frangi滤波时，表达式为：



其中，Vo表示响应结果，σ表示高斯滤波的方差，RB表示像素结构的判断函数，S表示对前景和背景的判断，β和c为常数阈值；λ2为每个像素点的Hessian矩阵所求得的最大的特征值；
得到的滤波结果表达式为：



其中，ρ为最大响应时的方差。


5.根据权利要求4所述的方法，其特征在于：
所述步骤...

【专利技术属性】
技术研发人员：董晓刚，彭真明，毛宏霞，王俊，刘铮，贾雨生，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京;11