基于特定谱段的典型目标材质识别方法技术

本发明专利技术公开了一种基于特定谱段的典型目标材质识别方法。首先，确定目标材质的类别，并采集高光谱数据。然后，对高光谱数据进行处理，得到目标材质以及常见背景目标的光谱反射曲线。接着，参照背景目标，根据典型目标材质的光谱反射曲线变化趋势，总结识别每个典型目标材质所需的特定谱段和光谱反射曲线变化特征。其次，基于特定谱段和光谱反射曲线变化特征，进行数据处理，计算特征值。最后，以特征值作为分类模型的输入，并对模型输出进行形态学的后处理操作，最终得到户外视频监控场景下典型目标材质的像素级识别结果图像。材质的像素级识别结果图像。材质的像素级识别结果图像。

【技术实现步骤摘要】
基于特定谱段的典型目标材质识别方法


[0001]本专利技术涉及一种材质识别方法，尤其涉及一种基于特定谱段的典型目标材质识别方法，属于计算机视觉领域。

技术介绍

[0002]在现代生活中，遍布各种场合的监控摄像头，每时每刻都在产生大量的图像视频数据。智能视频监控系统迎合了人们在视频内容分析方面的需求，能够对监控摄像头采集的视频信号进行自动处理、分析与理解，实现目标检测、识别、再识别和追踪等特定任务。由于智能视频监控系统的应用面极为广泛，特别是在安防领域具有不可忽视的作用，智能视频监控系统仍然是学术界和工业界研究热点。
[0003]目前，绝大多数智能视频监控系统都是基于可见光图像和视频信息设计相应的算法，来满足实际应用需求。虽然可见光数据能够反映目标的色彩、轮廓、纹理等表观特征，但也存在以下问题，使得智能视频监控系统的发展遇到了瓶颈：一是对于表观特征相近的目标不具备区分性；二是色彩、轮廓、纹理等表观特征属于底层特征，在底层特征到目标之间需要建立复杂的映射，需要消耗较多的算力和时间；三是基于可见光提取的表观特征并不稳定，容易受到外界因素的影响，例如环境光照变化、目标形态和角度的变化以及局部遮挡。
[0004]材质属性是物体本身具有的一种物理属性，对于天气、环境和拍摄参数的变化不敏感，广泛应用于城市规划与监测、矿物勘探等领域。材质属性与目标之间往往具有直接的映射关系，有效提取材质信息能够帮助智能视频监控系统快速且准确地检测和识别目标。
[0005]对于户外视频监控场景，现有材质属性识别方法存在以下问题：
[0006]1)难以直接提取目标材质的光谱反射特征。在户外场景下光照环境复杂，场景在一天中不同时刻的环境光照度不同，且由于阴影区域的存在，同一时刻的场景中不同区域也可能存在照度差异。难以对目标表面的入射光线进行定量估计。另外，在户外视频监控场景中放置标准反射白板等标准参照物并不现实，无法直接估计目标表面的反射率。
[0007]2)方法实用性差，难以取得效率和准确性的平衡。现有的材质识别方法分为基于表观特征和基于高光谱数据的方法：基于表观特征的方法以RGB图像为主要研究对象，提取目标的表观特征以建立与材质属性之间的联系，同样面临上述区分性不足、不稳定等问题，目标材质属性识别的准确性难以保证；基于高光谱数据的方法以高光谱图像数据为研究对象，一幅高光谱图像数据往往由数十至上百幅不同波段的亮度图像组成，能够提供目标的更多光谱反射信息，所以能够更准确地提取材质属性信息。但由于高光谱数据波段数多和规模大的原因，数据采集和处理过程效率低下，无法在户外监控视频场景中实现对目标材质属性的快速提取。总的来说，户外视频监控场景下，现有目标材质识别方法实用性差。

技术实现思路

[0008]针对于目前户外视频监控场景下的材质识别方法存在的一些问题，本专利技术提出了
一种基于特定谱段的典型目标材质识别方法，其包括：首先提出了一种光谱反射曲线引导的典型目标材质的特定谱段选取和光谱特征提取方法，然后在此基础上提出一种基于特定谱段的典型材质属性识别算法。
[0009]针对于难以直接提取目标材质的光谱反射特征的问题，本专利技术提出了一种光谱反射曲线引导的典型目标材质的特定谱段选取和光谱特征提取方法。首先借助高光谱相机，在实际户外监控场景下采集的典型目标材质的高光谱数据，根据统计先验，基于典型目标材质的光谱曲线变化趋势来选择特定谱段和构造光谱特征。
[0010]针对于方法实用性差，难以取得效率和准确性的平衡的问题，本专利技术提出一种基于特定谱段的典型材质属性识别算法。根据已选取的特定谱段，同时采集谱段数量较少的多光谱图像，确保了后续的数据采集和处理效率，并有效避免了数据冗余的情况。再将典型目标材质具有的光谱反射曲线特征作为输入，采用阈值分割的方法或者借助机器学习或深度学习分类模型，实现户外视频监控场景下的典型目标材质的准确识别。
[0011]根据本专利技术的一个方面，提供了一种基于特定谱段的典型目标材质识别方法，其特征在于包括如下步骤：
[0012]A)确定典型目标材质的类别，并在户外场景中使用高光谱成像设备(如高光谱视频相机)采集相关的高光谱数据；
[0013]B)对高光谱数据进行处理，得到典型目标材质以及常见背景目标的光谱反射曲线；
[0014]C)对不同场景下的典型目标材质的光谱反射曲线进行统计，根据典型目标材质与其他材质的光谱反射曲线变化趋势，对目标材质与其他材质在某些谱段上绝对值的差异以及某些谱段间相对值的差异进行归纳，作为后续进行材质识别的特征。并根据这些特征，选取相关的谱段，作为识别每个典型目标材质所需的特定谱段。。
[0015]D)基于步骤C中得出的每个典型目标材质的特定谱段和光谱反射曲线变化特征，获取特定谱段的多光谱图像数据，并进行数据处理，计算特征值。
[0016]E)将步骤D得到的目标材质的特征值作为输入，实现户外视频监控场景下的典型目标的像素级材质属性识别方法，得到最终的材质属性识别结果图像。
[0017]其中：
[0018]步骤B)所述的数据处理方法包括如下步骤：
[0019]B1)保留光谱反射曲线的形态的同时，消除环境光照强度影响，对高光谱数据中的反射亮度值进行归一化处理，计算公式如下：
[0020][0021]式中，x,y表示像素的空间索引，i表示光谱谱段索引，I表示原始的反射亮度值。
[0022]B2)以光谱图像的谱段波长作为横坐标、以B1)得到的光谱图像的归一化反射亮度值作为纵坐标，绘制典型目标材质以及常见背景目标的光谱反射曲线。
[0023]步骤D)所述的特征值包括：
[0024]D1)基于步骤(C)中分析得出的典型目标材质的光谱反射曲线变化特点，对特定谱段的多光谱图像数据进行数据预处理，得到的光谱反射曲线变化特征值Feature1。特征包括某些谱段上的绝对值特征以及谱段间的相对值特征两类，可以分别有但不限于以下几种表示方式：
[0025]对于第i谱段上的绝对值特征：
[0026]Feature1(x,y,k)＝I
norm
(x,y,i)
[0027]式中，x,y表示像素的空间索引，k表示特征值的索引。
[0028]对于谱段i和谱段j间的相对值特征：
[0029]Feature1(x,y,p)＝I
norm
(x,y,i)
‑
I
norm
(x,y,j)
[0030]或
[0031]Feature1(x,y,p)＝(I
norm
(x,y,i)
‑
I
norm
(x,y,j))/(I
norm
(x,y,i)+I
norm
(x,y,j))
[0032]式中，x,y表示像素的空间索引，p表示特征值的索引。
[0033]D2)选取近红外谱段的图像，借助方向梯度直方图(HOG)、局部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特定谱段的典型目标材质识别方法，其特征在于包括如下步骤：A)对高光谱数据进行处理，得到典型目标材质以及常见背景目标的光谱反射曲线，其中所述高光谱数据是针对典型目标材质的类别在户外场景中使用高光谱成像设备采集的与典型目标材质相关的高光谱数据，B)对不同场景下的典型目标材质的光谱反射曲线进行统计，根据典型目标材质与其他材质的光谱反射曲线变化趋势，对目标材质与其他材质在某些谱段上绝对值的差异以及某些谱段间相对值的差异进行归纳，作为后续进行材质识别的特征。并根据这些特征，选取相关的谱段，作为识别每个典型目标材质所需的特定谱段，C)基于步骤B中得出的每个典型目标材质的特定谱段和光谱反射曲线变化特征，获取特定谱段的多光谱图像数据，并进行数据处理，计算特征值，D)将步骤C得到的目标材质的特征值作为输入，实现户外视频监控场景下的典型目标的像素级材质属性识别处理，得到最终的材质属性识别结果图像，其中：步骤A)所述的数据处理方法包括如下步骤：A1)保留光谱反射曲线的形态的同时，消除环境光照强度影响，对高光谱数据中的反射亮度值进行归一化处理，计算公式如下：式中，x,y表示像素的空间索引，i表示光谱谱段索引，I表示原始的反射亮度值，A2)以光谱图像的谱段波长作为横坐标、以A1)得到的光谱图像的归一化反射亮度值作为纵坐标，绘制典型目标材质以及常见背景目标的光谱反射曲线，步骤C)所述的特征值包括：C1)基于步骤(B)中分析得出的典型目标材质的光谱反射曲线变化特点，对特定谱段的多光谱图像数据进行数据预处理，得到的光谱反射曲线变化特征值Feature1，特征包括一部分特定谱段上的绝对值特征以及谱段间的相对值特征两类，C2)选取特定谱段中的近红外谱段的图像，借助...

【专利技术属性】
技术研发人员：胡海苗，陈嘉林，余文军，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：