基于光谱差异的高光谱图像序列降维方法技术

本发明专利技术公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大、最小光谱曲线C

【技术实现步骤摘要】
基于光谱差异的高光谱图像序列降维方法


[0001]本专利技术属于图像处理
，具体涉及一种基于光谱差异的高光谱图像序列降维方法。

技术介绍

[0002]高光谱图像可以通过三个维度来描述目标，不仅可以获得目标的空间信息，还可以获取目标的光谱信息，高光谱图像的数据量非常大包含了几十个到上千个波段，在这些巨大的数据量中存在大量的重复数据会影响图像的信息处理，使用降维的方法可以保留数据的特征信息并去除数据重复；因此在处理高光谱图像之前对其进行降维操作很有必要。
[0003]降维方法主要有两种，分别为特征提取和波段选择。特征提取是通过确定最优投影矩阵的方法来进行降维，波段选择是从原始图像的波段中选取最具代表性的波段进行降维操作；然而，波段选择的方法往往会丢失图像中的一些相关光谱信息。
[0004]近些年来，特征提取的方法运用的越来越广泛，在高光谱数据的压缩、去相关、消噪和特征提取中起到了重要的作用。主成分分析是最基本的高光谱特征提取的降维方法，对图像中包含的信息采用正交线性变换的方法，降维后的图像所包含的信息主要在前面几个主成分分量中，丢弃含有信息量小的成分分量，经过变换的各主成分分量彼此互不相关，随着主成分编号的增大其分量所包含的信息量减少，因为主成分分析方法提取的是前面的主成分分量，所以会损失较多的图像信息。
[0005]波段选择中的常用方法为基于信息熵的波段选择法，该方法用多个波段的联合熵来表示图像所包含的信息，首先从图像中选取全部可能的波段，求出它们的联合熵，按照从大到小的顺序筛选出联合熵排序相对靠前的波段；虽然这种算法的原理简单，但是对于具有十几乃至上千百个波段的高光谱图像来说，波段的数目会非常的多，选取的可能波段数目较多耗时较长，联合熵的相关确定也十分复杂。

技术实现思路

[0006]由鉴于此，本专利技术的主要目的在于提供一种基于光谱差异的高光谱图像序列降维方法。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]本专利技术实施例提供一种基于光谱差异的高光谱图像序列降维方法，该方法为：
[0009]步骤一、对载入的高光谱图像序列中的第1帧、第t帧高光谱图像进行灰度归一化，分别获得归一化后的第1帧高光谱图像归一化后的第t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大光谱曲线C
max
和最小光谱曲线C
min
，其中，t表示高光谱图像序列的帧数，t是大于等于1小于等于3000的整数，ib表示第b个波段第i个像素，i表示像素的序号，b表示波段的序号，b∈{1,...,B},B表示高光谱图像的波段数，B为16，H表示的行数，W表示的
列数，及中第b个波段第i个像素的灰度值范围均是0到1的左闭右闭区间，C
max
在第b个波段上的最大光谱值为C
min
在第b个波段上的最小光谱值为
[0010]步骤二、确定中第i个像素在16个波段上的灰度平均值其中，mean(
·
)表示求平均操作；
[0011]步骤三、通过减去获得中第i个像素的去均值光谱曲线C
i
,C
i
在第b个波段上的灰度值为
[0012]步骤四、通过和确定的光谱差异图其中,
[0013]步骤五、通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差
[0014]步骤六、通过确定第t帧高光谱图像16个波段的总差异图
[0015]步骤七、通过确定重构总差异图通过确定的降维结果图K，K∈R
H
×
W
×1,其中，K中第i个像素K
i
的灰度值范围均是0到1的左闭右闭区间；
[0016]步骤八、通过K乘以255，获得灰度值分布在0到255之间的降维结果
[0017]步骤九、重复步骤一至步骤八，依次处理高光谱图像序列中每一帧高光谱图像获得高光谱图像序列降维结果。
[0018]上述方案中，所述步骤一，具体通过以下步骤实现：
[0019](101)归一化后的第1帧高光谱图像的选定局部区域由人为手动截取，以的目标所在区域的型心为中心，在的目标所在区域中框选3
×
3个像素，即9个像素，获得选定局部区域
[0020](102)确定最大光谱曲线C
max
为
[0021]其中，max(
·
)表示求最大操作，从中取出第1个波段9个像素中的最大灰度值，然后遍历波段1到波段16，选出16个最大灰度值从而获得最大光谱曲线C
max
，中当b从1变化到16获得C
max
；
[0022](103)确定最小光谱曲线C
min
为
[0023]其中，min(
·
)表示求最小操作，从中取出第1个波段9个像素中的最小灰度值，然后遍历波段1到波段16，选出16个最小灰度值从而获得最小光谱曲线C
min
，中当b从1变化到16获得C
min
。
[0024]上述方案中，所述步骤二，具体为：确定中第i个像素在16个波段上的灰度平均值为
[0025]其中，∑(
·
)表示求和操作。
[0026]上述方案中，所述步骤三，具体为：通过减去获得中第i个像素的去
均值光谱曲线C
i
为
[0027]上述方案中，所述步骤四，具体通过以下步骤实现：
[0028](401)确定未知像素和最大光谱曲线的偏差为
[0029](402)确定未知像素和最小光谱曲线的偏差为
[0030](403)确定光谱差异图为
[0031][0032]上述方案中，所述步骤五，具体为：通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差为
[0033]上述方案中，所述步骤六，具体为：通过确定第t帧高光谱图像16个波段的总差异图为
[0034]上述方案中，所述步骤七，具体通过以下步骤实现：
[0035](701)通过奇异值分解定理将拆分为其中，U为左侧的酉矩阵，Σ为奇异值对角阵，V为右侧的酉矩阵；
[0036](702)保留Σ中前70％的奇异值，Σ中后30％赋值为0得到重构奇异值对角阵
[0037](703)通过U、和V确定重构总差异图为
[0038](704)确定的均值为μ；
[0039](705)确定的方差为σ；
[0040](706)确定分割阈值T为T＝μ+hσ；
[0041]其中，h为σ的约束系数，取值为0.5；
[0042](707)通过确定的降维结果图K为
[0043]上述方案中，所述步骤八，具体为：通过K乘以255，获得灰度值分布在0到255之间的降维结果为其中，round(
·
)表示向下取整操作。
[0044]与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱差异的高光谱图像序列降维方法，其特征在于，该方法为：步骤一、对载入的高光谱图像序列中的第1帧、第t帧高光谱图像进行灰度归一化，分别获得归一化后的第1帧高光谱图像归一化后的第t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大光谱曲线C
max
和最小光谱曲线C
min
，其中，t表示高光谱图像序列的帧数，t是大于等于1小于等于3000的整数，ib表示第b个波段第i个像素，i表示像素的序号，b表示波段的序号，b∈{1,...,B},B表示高光谱图像的波段数，B为16，H表示的行数，W表示的列数，及中第b个波段第i个像素的灰度值范围均是0到1的左闭右闭区间，C
max
在第b个波段上的最大光谱值为C
min
在第b个波段上的最小光谱值为步骤二、确定中第i个像素在16个波段上的灰度平均值其中，mean(
·
)表示求平均操作；步骤三、通过减去获得中第i个像素的去均值光谱曲线C
i
,C
i
在第b个波段上的灰度值为步骤四、通过和确定的光谱差异图其中,步骤五、通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差步骤六、通过确定第t帧高光谱图像16个波段的总差异图步骤七、通过确定重构总差异图通过确定的降维结果图K，K∈R
H
×
W
×1,其中，K中第i个像素K
i
的灰度值范围均是0到1的左闭右闭区间；步骤八、通过K乘以255，获得灰度值分布在0到255之间的降维结果步骤九、重复步骤一至步骤八，依次处理高光谱图像序列中每一帧高光谱图像获得高光谱图像序列降维结果。2.根据权利要求1所述的基于光谱差异的高光谱图像序列降维方法，其特征在于，所述步骤一，具体通过以下步骤实现：(101)归一化后的第1帧高光谱图像的选定局部区域由人为手动截取，以的目标所在区域的型心为中心，在的目标所在区域中框选3
×
3个像素，即9个像素，获得选定局部区域(102)确定最大光谱曲线C
max
为其中，max(
·
)表示求最大操作，从中取出第1个波段9个像素中的最大灰度值，然后遍历波段1到波段16，选出16个最大灰度值从...

【专利技术属性】
技术研发人员：赵东，汪梦元，胡斌，张喆，武丽，李鹏，胡剑凌，程进，黄瑞，马弘宇，张黎可，汪磊，
申请(专利权)人：无锡学院，
类型：发明
国别省市：