基于频率调整模型的高光谱图像显著目标检测方法技术

本发明专利技术公开了基于频率调整模型的高光谱图像显著目标检测方法，具体按照以下步骤实施：1、输入高光谱图像以及高光谱图像对应的RGB图像；2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图；3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图；4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化，然后融合，形成最终的高光谱图像的显著目标图。本发明专利技术解决了现有高光谱图像检测目标边缘模糊且检测目标信息不完整的问题，在使目标边缘精确的同时完整的表现目标物体，大大提高了显著目标检测的精确率。

【技术实现步骤摘要】
基于频率调整模型的高光谱图像显著目标检测方法
本专利技术属于图像处理
，涉及基于频率调整模型的高光谱图像显著目标检测方法。
技术介绍
高光谱图像的显著目标检测在图像分割、目标追踪、图像分类等方面有着重要的意义。高光谱图像含有大量的光谱信息，光谱响应与实际场景中各种物体的材料有关，可以为目标检测提供更为准确的信息。但是，冗余的光谱信息也对目标检测的过程造成了干扰。因此，如何在大量的高光谱数据中快速找到有效信息，同时又不损坏目标质量，是十分重要的。视觉显著性检测可以从自然场景中快速地选择出感兴趣区域。在计算机视觉方面，显著性检测主要是模拟人类视觉注意机制，实现图像中显著目标的提取。因此，很多人将视觉显著性算法应用于自然图像的目标检测当中，以快速找到感兴趣区域。如尝试将高光谱数据与显著性检测模型相结合，阐述了组带分量以及原始光谱特征，用它们代替Itti模型中的双色对手分量。或者使用光谱梯度对比度来计算显著性，解决了在Itti模型上进行检测造成的高对比度边缘敏感的问题。然而，现有的一些显著性检测算法对于高光谱图像的检测仍有着一些缺陷，比如，不能很好地呈现显著目标的边界以及对于目标的描述不够充分等等。因此，如何快速的找到高光谱图像的显著目标，同时对目标物体的描述更加精确，对于高光谱图像的目标检测领域是一个十分重要的技术。
技术实现思路
本专利技术的目的是提供一种基于频率调整模型的高光谱图像显著目标检测方法，解决了现有技术中存在的高光谱图像目标检测方法计算量大和检测目标边缘模糊问题。r>本专利技术所采用的技术方案是，基于频率调整模型的高光谱图像显著目标检测方法，具体按照以下步骤实施：步骤1、输入高光谱图像以及高光谱图像对应的RGB图像；步骤2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图；步骤3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图；步骤4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化，然后融合，形成最终的高光谱图像的显著目标图。本专利技术的特点还在于：步骤2具体按照以下步骤实施：步骤2.1、将高光谱图像的RGB图像进行颜色空间变换，将图像从RGB空间变换到LAB空间；步骤2.2、使用高斯滤波对高光谱图像做处理，得到高斯滤波图像；步骤2.3、将LAB空间下每个像素点的均值与高斯滤波图像的像素点利用欧式距离计算作为像素显著性值；步骤2.4、将每个像素的显著性值归一化后得到频率调整算法的显著图。步骤2.3中像素显著性值计算如下式：S(x，y)＝||Iμ(x，y)-Iwhc(x，y)||(1)；其中，式中，S(x，y)是像素的显著性值，Iμ(x，y)是图像像素的算术平均值，使用的是Lab颜色特征，Iwhc(x，y)是高斯模糊后对应的图像像素值，||||是求欧氏距离。步骤2.4中频率调整算法的显著图的计算如下式：式中，S(x，y)是像素的显著性值，max[S(x，y)]表示图像像素的最大显著值，SalFT为经过归一化得到的频率调整算法的显著图。步骤3具体按照以下步骤实施：步骤3.1、计算光谱带之间的光谱角距离作为高光谱图像的光谱特征，从而得到光谱特征图；步骤3.2，将步骤3.1得到的光谱特征图进行归一化，得到光谱显著图。步骤3.1中光谱特征图的计算如下式：式中，Mc与Ms表示不同的光谱带，SAD(c，s)表示不同波段之间的光谱角距离。步骤3.2中光谱显著图的计算如下式：式中，SAD(c，s)表示不同波段之间的光谱角距离，max(SAD(c，s))表示光谱带间的最大光谱角距离，SalSpectral表示将光谱特征图经过归一化，得到的光谱显著图。步骤4中高光谱图像的显著目标图的计算如下式：式中S表示高光谱图像的显著目标图；SalFT表示通过频率调整算法计算得到的显著图；SalSpectral表示光谱显著图。本专利技术的有益效果是：(1)本专利技术通过在高光谱图像的目标检测中引入频率调整显著性检测算法，可以快速有效地得到具有明确边界的显著目标；(2)本专利技术将频率调整显著性检测算法与光谱显著性相结合，充分利用光谱特征的信息，得到更为准确的目标，提高了检测的准确率；(3)本专利技术使用显著性检测算法，可以快速有效地找到高光谱图像的显著目标区域，同时对高光谱图像的光谱信息做了检测，对目标物体的信息有着更加完整的描述，提高了目标检测的精确率。附图说明图1是本专利技术基于频率调整模型的高光谱图像显著目标检测方法的流程图；图2是本专利技术基于频率调整模型的高光谱图像显著性目标检测方法中根据频率调整算法计算得到的显著图；图3是本专利技术基于频率调整模型的高光谱图像显著性目标检测方法中根据光谱角距离计算得到的光谱显著图；图4是本专利技术基于频率调整模型的高光谱图像显著性目标检测方法的最终显著目标结果图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。本专利技术基于频率调整模型的高光谱图像显著目标检测方法，如图1所示，具体按照以下步骤实施：步骤1、通过使用一个公开的高光谱图像显著性检测数据集，输入高光谱图像以及该高光谱图像对应的RGB图像；步骤2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图，具体按照以下步骤实施：步骤2.1、将高光谱图像的RGB图像进行颜色空间变换，将图像从RGB空间变换到LAB空间；步骤2.2、使用高斯滤波对高光谱图像做处理，得到高斯滤波图像；步骤2.3、将LAB空间下每个像素点的均值与高斯滤波图像的像素点利用欧式距离计算作为像素显著性值，像素显著性值计算如下式：S(x，y)＝||Iμ(x，y)-Iwhc(x，y)||(1)；其中，式中，S(x，y)是像素的显著性值，Iμ(x，y)是图像像素的算术平均值，使用的是Lab颜色特征，Iwhc(x，y)是高斯模糊后对应的图像像素值(使用5*5二项式滤波器)，用来消除纹理细节以及噪声，||||是求欧氏距离；步骤2.4、将每个像素的显著性值归一化后得到频率调整算法的显著图，归一化的显著图由式(2)计算得出，频率调整算法得出的显著图如图2所示；式中，S(x，y)是像素的显著性值，max[S(x，y)]表示图像像素的最大显著值，SalFT为经过归一化得到的频率调整算法的显著图，通过归一化，使得图像像素值得取值范围从0～255转化为0～1，且不改变图像原有的信息存储，这对之后的图像处理运算有着很大的好处；步骤3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图，具体按照以下步骤实施：步骤3.1、计算光谱带之间的光谱角距离作为高光谱图像的光本文档来自技高网...

【技术保护点】
1.基于频率调整模型的高光谱图像显著目标检测方法，其特征在于，具体按照以下步骤实施：/n步骤1、输入高光谱图像以及高光谱图像对应的RGB图像；/n步骤2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图；/n步骤3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图；/n步骤4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化，然后融合，形成最终的高光谱图像的显著目标图。/n

【技术特征摘要】
1.基于频率调整模型的高光谱图像显著目标检测方法，其特征在于，具体按照以下步骤实施：
步骤1、输入高光谱图像以及高光谱图像对应的RGB图像；
步骤2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图；
步骤3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图；
步骤4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化，然后融合，形成最终的高光谱图像的显著目标图。


2.根据权利要求1所述的基于频率调整模型的高光谱图像显著目标检测方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1、将高光谱图像的RGB图像进行颜色空间变换，将图像从RGB空间变换到LAB空间；
步骤2.2、使用高斯滤波对高光谱图像做处理，得到高斯滤波图像；
步骤2.3、将LAB空间下每个像素点的均值与高斯滤波图像的像素点利用欧式距离计算作为像素显著性值；
步骤2.4、将每个像素的显著性值归一化后得到频率调整算法的显著图。


3.根据权利要求2所述的基于频率调整模型的高光谱图像显著目标检测方法，其特征在于，所述步骤2.3中像素显著性值计算如下式：
S(x，y)＝||Iμ(x，y)-Iwhc(x，y)||(1)；
其中，
式中，S(x，y)是像素的显著性值，Iμ(x，y)是图像像素的算术平均值，使用的是Lab颜色特征，Iwhc(x，y)是高斯模糊后对应的图像像素值，||||是求欧氏距离。


4.根据权利要求2所述的基于频率调整模型的高光谱图像显著目标检测方法，...

【专利技术属性】
技术研发人员：赵明华，岳丽琴，胡静，王理，李兵，宁家伟，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61