【技术实现步骤摘要】
本专利技术涉及高光谱遥感，具体而言，涉及一种高光谱波段选择方法、系统、滤波轮制作方法和装置。
技术介绍
1、高光谱成像技术是一种先进的多维遥感探测技术，与传统的红绿蓝三波段组合图像(rgb)相比，高光谱图像在提取目标空间纹理信息的同时还可以获取高维的光谱特征，因此能够更好的表征目标的理化特性以进行识别探测。
2、高光谱成像可以简单地理解为,将高光谱遥感设备获取的同一空间位置的电磁波通过色散棱镜等设备使不同频率的电磁波彼此分离开来,并按频率顺序将电磁波能量记录下来的过程。高光谱成像技术以电磁波谱分析和成像光谱学为基础，其中，电磁波谱分析研究各种物质的发射、反射和吸收电磁波能量的特性。成像光谱学研究电磁波按着谱系对不同频率的电磁波能量进行记录的规律。
3、高光谱图像数据的记录形式是数据立方体,该数据立方体的每一层表示特定频率范围下的电磁波能量(像素值)的记录结果,也就是在一定光谱波段内记录下来的图像。生活中常见的自然图像记录了三个波段的能量信息,即红、绿、蓝三个波段。高光谱图像记录了更多的波段信息,突破了用颜色代表波段的局限。
4、如果在某个目标的高光谱图像中取出每一层图像中对应的同一像素,使其构成一个观测向量,那么这个向量的分量则是按频率(波段)的顺序排列。如果在一定频率(波段)范围内能够取出大量的微小频率区间,这样将得到一条近似连续的光谱曲线根据光谱分析技术,不同的光谱曲线反映不同的地物类型,这就为后续地物辨识提供了可利用信息。一般地,高光谱成像光谱分辨率为小于10nm,进而在观测电磁谱段内可
5、由于高光谱图像一般光谱分辨率都在10nm以内，光谱波段数上百个，因而成像设备普遍成本偏高，巨量的波段数及其相互之间存在的紧密内相关性对目标识别探测带来了较大的挑战。最明显的表现是“维数灾难”，即维度越高，信息量越大，应用效果反而会进一步退化。因此，如何适当的针对待检测目标光谱特征去除冗余探测波段，进而提升检测效果，对目标的高效探测与识别具有显著的应用价值。
6、异常检测是高光谱图像领域常用的一种目标检测方法，也是当下研究的热点，目前最常用的异常检测方法有睿德(reed)和于晓立专利技术的睿德-于晓立(reed-xiaoli yu，简称rx)方法，还有基于光谱混合模型的低概率检测(law probability detection,简称lpd)方法等，其中rx方法使用最为广泛。rx异常检测算法假设光谱数据服从高斯分布，通过计算每个像元的光谱向量与各个背景均值之间的马氏距离来判断异常点的存在，进而实现目标的视觉增强或者识别检测任务。
7、然而在实际应用过程中，rx方法以及相关的改进算法虽然对于高光谱图像有一定的检测效果，但却对高光谱目标的表征能力较差，数据冗余严重，算法效率以及效果有待提升。尤其使用全波段光谱数据对于特定目标检测效果，因为缺乏波段分析以及针对性降维，检测效果较差。因而，基于该现有方法制作的滤波轮以及成像检测装置，其光谱检测效率以及装置性价比都十分不理想。
技术实现思路
1、本专利技术的目的在于克服现有技术缺陷，且提供了一种高光谱波段选择方法、系统、滤波轮制作方法和装置。
2、本专利技术提供的一种高光谱波段选择方法，其技术方案如下：
3、一种高光谱波段选择方法，包括如下步骤：
4、s1、确定滤波通道数c，并通过高光谱遥感设备获取包含有检测目标信息的高光谱数据s；
5、s2、使用光谱角匹配的方法对所述高光谱数据s进行信息标注，使所述高光谱数据s划分为背景和目标；
6、s3、通过预设的聚类总类别数k，对所述高光谱数据s的波段使用稀疏子空间聚类方法进行聚类，在每一族中选出距离该族的质心最近的波段，生成光谱波段集合g；
7、s4、根据所述步骤s1所确定的滤波通道数c，从所述光谱波段集合g中取出c个元素进行组合，将每一种组合方式形成的集合作为一个波段组合子集，进而形成由所述波段组合子集作为元素的集簇q；
8、s5、计算各个所述波段组合子集中，基于各个波段的图像中所述目标形成的目标像素强度均值向量u与基于各波段的图像中所有像素所形成的总体像素强度均值向量d的马氏距离d；
9、s6、在所有所述波段组合子集中，选择所述目标像素强度均值向量u与所述总体像素强度均值向量d的马氏距离d最大的波段组合qm作为多光谱波段数据，据此完成高光谱波段选择。
10、采用上述技术方案，与现有技术相比，本专利技术所提供的技术方案至少可以带来的有益效果有：在获取包含有检测目标信息的高光谱数据s后，依次对光谱数据s进行背景和目标分离、按波段聚类、组合出多个波段组合子集，最后求出各个波段的图像中目标的像素强度均值与该波段的图像中所有像素点像素强度均值的马氏距离，从而选择出优质波段，实现了在光谱图像异常检测前，通过将谱段筛选的评价准则与rx异常检测计算方式进行统一建模，以马氏距离作为约束，筛选出目标与背景对比度差异性大、背景抑制效果明显的波段组合，大大提升了rx算法的检测性能，减小了计算量，提升了检测效率，解决了现有技术存在的，对高光谱目标的表征能力较差，数据冗余严重，算法效率以及效果有待提升的技术问题。尤其是使用全波段光谱数据对于特定目标检测方面，其检测效果也明显改良。
11、作为优选，所述步骤s2包括如下步骤：
12、s21、在所述步骤s1所获的高光谱数据s中，随机标注n个目标像素点，之后计算这些像素点的光谱向量均值，获得相应的目标光谱均值向量
13、s22、计算所述高光谱数据s中所有像素点分别与所述目标光谱均值向量的光谱角；
14、s23、根据所述步骤s1所获检测目标信息的特点，设置光谱角阈值t，将光谱角小于所述光谱角阈值t的像素点所在区域作为为目标，光谱角大于所述光谱角阈值t的像素点所在区域作为背景；
15、进而在以数据立方体(张量)形式表现的高光谱数据g上，实现光谱角匹配的方法的信息标注，使每一波段的图像中均实现目标与背景分离，为后期计算所需各个波段的图像中目标的像素强度均值与该波段的图像中所有像素点像素强度均值的马氏距离做好预备。
16、作为优选，所述步骤s3包括如下步骤：
17、s31、将所述高光谱数据s从数据立方体转换为二维波段数据y，其中，y∈rn×m，r为实数集，n和m分别为所述高光谱数据s中像素总数和波段数；
18、s32、利用最小二乘法求解如下优化问题：
19、
20、s.t.diag(γ)＝0，
21、其中，γ∈rn×n是未知参数矩阵，diag(γ)是矩阵γ的对角线向量，β为正则参数，由此构建波段向量之间的稀疏表示矩阵z；
22、s33、通过角相似测量找到波段相似度矩阵w，其中，所述波段相似矩阵w的(i，j)元表示所述光谱数据s中第i波段向量与第j波段向量之间的相似性，计算所本文档来自技高网...
【技术保护点】
1.一种高光谱波段选择方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的高光谱波段选择方法，其特征在于：所述步骤S2包括如下步骤：
3.根据权利要求2所述的高光谱波段选择方法，其特征在于：所述步骤S3包括如下步骤：
4.根据权利要求3所述的高光谱波段选择方法，其特征在于：所述步骤S5包括如下步骤：
5.一种高光谱波段选择系统，其特征在于：基于权利要求1-4中任意一项所述的高光谱波段选择方法，包括：
6.根据权利要求5所述的高光谱波段选择系统，其特征在于：所述目标提取模块包括：
7.根据权利要求6所述的高光谱波段选择系统，其特征在于：所述聚类模块包括：
8.根据权利要求7所述的高光谱波段选择系统，其特征在于：所述距离计算模块包括：
9.一种目标高光谱特征提取的滤波轮制作方法，其特征在于：基于权利要求1-4中任意一项所述的高光谱波段选择方法，或基于权利要求5-8中任意一项所述的高光谱波段选择系统，包括如下步骤：
10.一种目标多光谱成像探测装置，其特征在于：包括：>
11.根据权利要求10所述的目标多光谱成像探测装置，其特征在于：所述控制模块(5)包括：
...【技术特征摘要】
1.一种高光谱波段选择方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的高光谱波段选择方法，其特征在于：所述步骤s2包括如下步骤：
3.根据权利要求2所述的高光谱波段选择方法，其特征在于：所述步骤s3包括如下步骤：
4.根据权利要求3所述的高光谱波段选择方法，其特征在于：所述步骤s5包括如下步骤：
5.一种高光谱波段选择系统，其特征在于：基于权利要求1-4中任意一项所述的高光谱波段选择方法，包括：
6.根据权利要求5所述的高光谱波段选择系统，其特征在于：所述目标提取模块包括...
【专利技术属性】
技术研发人员：虞益挺，仝赓，王燕，历奔，
申请(专利权)人：西北工业大学宁波研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。