【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于无人机高光谱图像的目标识别方法。
技术介绍
1、高光谱目标识别是通过分析利用背景与目标之间的光谱差异信息实现的。目前，对于一些与背景地物存在“异物同谱”的地物目标，现有高光谱目标检测方法有reed-xiaoli算法(rx)、约束能量最小化算法(cem)、匹配滤波算法(smf)、利用子空间模型的正交子空间投影(osp)、稀疏表示等。现有的cem,rx,smf,osp算法针对丛林、荒漠伪装网伪装后的目标的检测结果不能精确判别伪装目标的数量与位置。稀疏表示对比其他上述方法，通过构造字典及字典中的基向量重构像元光谱的过程，更深层次挖掘了目标光谱与背景光谱之间的差异信息。
2、稀疏表示模型中字典的纯净程度影响着目标识别的精度。目前，关于背景字典的构造，通常只用对高光谱图像的光谱信息，对图像的空间信息应用较少。最常用的背景字典方法为目视选定一些目标并利用滑动双窗口将目标外窗的像元选为背景字典中的基向量，这种方法对于在视觉上与背景差异低的目标并不适用。
3、现有的目标识别技术都可以良好的对典型地物进行目标识别，但对于光谱差异与空间差异小的伪装目标地物，不能充分挖掘图像中的空谱信息，导致对伪装目标的检测不够精准。因此，提出一种目标识别方法解决伪装材料的识别问题。
技术实现思路
1、本专利技术意在提供一种基于无人机高光谱图像的目标识别方法，以解决现有技术中利用稀疏表示算法提取高光谱图像中伪装目标时，背景字典的选择受到伪装目标“异物同谱”
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种基于无人机高光谱图像的目标识别方法，包括如下步骤：
4、s1、伪装材料光谱的采集与预处理；
5、s2、机载高光谱数据的采集与预处理；
6、s3、基于空谱特征选取纯净的背景字典ab；
7、s4、通过背景字典重构待测像元光谱，并利用重构误差判断待测像元是否属于目标。
8、进一步，所述重构待测像元的光谱如公式如下所示:
9、y＝abγ
10、式中y代表图像像元光谱，ab代表背景字典，γ代表稀疏向量。
11、进一步，所述选取背景字典的具体步骤如下：
12、s31、计算实验室光谱与图像每个像元光谱的欧氏距离；
13、s32、计算预处理后的机载高光谱图像每个像元的均质性值；
14、s33、建立背景字典选取约束条件，获取背景字典。
15、进一步，所述实验室光谱与图像每个像元光谱的欧氏距离的计算公式如下：
16、
17、式中d代表图像中像元与先验光谱的欧式距离值，yi代表图像中像元在第i个波段的值，ri表示先验光谱第i个波段的值，k代表波段数量。
18、进一步，所述每个像元的均质性值的计算公式如下：
19、
20、式中μi代表第i个波段上n×n窗口内像元的均值，yui代表n×n滑动窗口内第i个波段上第u个像元值，θ为像元的均质性值。
21、进一步，所述背景字典选取约束条件具体为：ab＝f(d>dmax,θ<θmin)，其中dmax代表与实验室测得的伪装网欧式距离值大的像元光谱，取累计百分比为85％的d值，θmin代表均质性高的像元，取累计百分比为15％的θ值。
22、进一步，所述利用重构误差判断待测像元是否属于目标具体方法为先用获取的背景字典确定背景字典的稀疏向量最优系数γ1，当取重构系数为最优系数γ1时，通过比较模型srss的输出值与设置的阈值β大小来判断是否属于目标。
23、进一步，所述稀疏向量最优系数γ1的公式如下：
24、
25、式中γ1为最优的稀疏向量，||γ||0表示γ的0范数，即非零元素的个数，l为稀疏系数个数的上限，通过正交匹配追踪算法求解稀疏向量γ1。
26、进一步，所述模型srss的输出值的公式如下：
27、dsrss＝||y-aγ1||2
28、式中dsrss代表模型输出值，通过设置阈值β，当检测器dsrss的输出值大于β，代表存在目标，反之目标不存在。
29、综上所述，本专利技术具有以下有益效果：
30、本专利技术通过图像的均质性及与实验室光谱的欧氏距离，建立背景字典选取约束条件，充分运用机载高光谱图像的空谱特征，选取纯净的背景像元用于背景字典稀疏表示，能够提升稀疏表示方法检测目标的精度，根据对待检测像元光谱的重构误差判断，可以精确的检测出伪装网伪装的目标所在的空间位置。
本文档来自技高网...【技术保护点】
1.一种基于无人机高光谱图像的目标识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述重构待测像元的光谱如公式如下所示：
3.根据权利要求1所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述选取背景字典的具体步骤如下：
4.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述实验室光谱与图像每个像元光谱的欧氏距离的计算公式如下：
5.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述每个像元的均质性值的计算公式如下：
6.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述背景字典选取约束条件具体为：Ab＝f(d>dmax,θ<θmin)，其中dmax代表与实验室测得的伪装网欧式距离值大的像元光谱，取累计百分比为85％的d值，θmin代表均质性高的像元，取累计百分比为15％的θ值。
7.根据权利要求1所述的一种基于无人机高光谱图像的目标识别方法，其
8.根据权利要求7所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述稀疏向量最优系数γ1的公式如下：
9.根据权利要求7或8所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述模型SRSS的输出值的公式如下：
...【技术特征摘要】
1.一种基于无人机高光谱图像的目标识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述重构待测像元的光谱如公式如下所示：
3.根据权利要求1所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述选取背景字典的具体步骤如下：
4.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述实验室光谱与图像每个像元光谱的欧氏距离的计算公式如下：
5.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述每个像元的均质性值的计算公式如下：
6.根据权利要求3所述的一种基于无人机高光谱图像的目标识别方法，其特征在于，所述背景字典选取约束条件具体为：ab＝f(d&...
【专利技术属性】
技术研发人员：包妮沙，徐景余，刘善军，贺黎明，丁瑞波，毛亚纯，韩子松，顾诺，
申请(专利权)人：东北大学，
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。