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