用于高光谱目标探测方法的高级背景估计技术和电路技术

本发明专利技术涉及用于高光谱目标探测方法的高级背景估计技术和电路。公开用于从高光谱图像数据进行目标探测的系统、电路和方法。滤波器系数使用经修正的约束能量最小化(CEM)方法得以确定。该经修正的CEM方法可以在一电路上运行，所述电路可操作用以执行约束线性编程优化。包括滤波器系数的滤波器被应用于高光谱图像数据的多个像素，以形成各像素的CEM值，并且一个或多于一个目标像素根据所述CEM值被识别。该过程可以被重复以使用各滤波器系数来增强目标识别，所述滤波器系数通过将所识别的各目标像素排除在高光谱图像数据之外而得以确定。

【技术实现步骤摘要】

本公开的各实施例主要涉及高光谱成像和探测，更具体地涉及高光谱目标探测。
技术介绍
高光谱成像和探测是光谱成像和分析的一种类型，它通常利用电磁光谱的非必要连续的宽谱带来将对象成像和/或探测对象。高光谱遥感在广泛的应用中被使用，例如，用于采矿和地质学来用以寻找石油和矿石。高光谱成像也被用于如生态学和监视、机场安保、 以及历史手稿研究(如针对古老的难以辨识文稿的成像)这样的广泛领域中。也有汽车方面的应用，如用于避免碰撞。高光谱成像技术也涉及各种目标探测应用，如使用无人驾驶交通工具(UAV)的情报、监视和勘测(ISR)应用。高光谱成像和探测系统从一个或多于一个传感器接收高光谱图像数据。该高光谱图像数据通常包含几百到几千个光谱带。高光谱传感器通常收集如一套图像这样的信息， 其中每个图像都是二维像素阵列。每个像素测量所接收到的能量并将其表示在一个电磁光谱范围(光谱带)中。而后，这些图像作为平面被组合，从而形成三维高光谱立方体，其中深度表示针对每个光谱带的像素阵列平面。一个或多于一个传感器的精度通常以光谱分辨率度量，其中光谱分辨率是由一个或多于一个传感器捕获的每条光谱带的带宽。如果高光谱成像和探测系统接收到大量相当狭窄的频带，则即使以少量的像素捕获对象，也可能识别这些对象。然而，除了光谱分辨率以外，空间分辨率也是一个因子。如果像素从过大的表面积接收光谱，则同一像素中可能会捕获到多个对象，这会使得对目标的识别更为困难。如果像素过小，则每个传感器单元所捕获的能量低，并且降低的信噪比降低所测量特征的可靠性。存在从像素中的背景和/或未知物质中识别目标物质的各种算法。通常，这些算法首先要求对模拟信号的高速、高动态范围的模数转换(数字化)，随后是高度复杂和计算机密集型的数字信号处理(DSP)。数字化和DSP两种操作都是非常消耗功率的。现有的硬件中的算法实现(如传统的模拟信号处理)可能不是最优的，这是因为例如使用互补金属氧化物半导体(CM0Q技术成规模的模拟电路的性能限制。相反地，传统的DSP方法要求高速采样和前期数字化，这可能会由于高功耗以及引起低计算速度而受限制。传统的高光谱目标探测算法，如现有的约束能量最小化算法(constrained energy minimization, CEM) 实现，可能不能够实时或接近实时执行，尤其是机载小功率限制的移动平台。因此，需要具备实时或接近实时执行能力的高光谱成像和探测、电路、探测算法以及背景估计技术。
技术实现思路
公开用于从高光谱图像数据探测目标的系统、电路和方法。使用经修正的约束能量最小化(CEM)方法确定滤波器系数。该经修正的CEM方法能够在电路上运行，该电路可运行用以实施约束线性编程优化。包括滤波器系数的滤波器被应用于高光谱图像数据的多4个像素，从而形成这些像素的CEM值，并且一个或多于一个目标像素基于CEM值被识别。该过程可以被重复，从而通过使用确定的各滤波器系数来增强目标识别，这些滤波器系数通过将所识别的各目标像素排除在高光谱图像数据之外而确定。第一实施例包括用于从高光谱图像数据进行目标探测的方法，该高光谱图像数据包括多个像素，这些像素包括目标物质的目标光谱以及背景物质的背景光谱。该方法通过使用电路装置基于高光谱图像数据、目标光谱和估计的背景光谱来实施约束线性编程优化而确定第一滤波器系数。该方法还将包括第一滤波器系数的第一滤波器应用于各像素，以获得第一过滤像素并将第一目标像素从第一过滤像素中识别出来。第二实施例包括用于从包括多个像素的高光谱图像数据探测目标的系统。该系统包括可运行用于实施约束线性编程优化及执行约束能量最小化算法的处理器。该处理器可运行用于使用电路装置确定第一滤波器系数，该电路装置可运行用于基于高光谱图像数据、目标光谱和估计的背景光谱实施约束线性编程优化。该处理器还可运行用于将包括第一滤波器系数的第一滤波器应用于各像素，以获得第一过滤像素并将第一目标像素从第一过滤像素中识别出来。第三实施例包括用于从高光谱图像数据进行目标探测的方法。该方法识别多个像素，每个像素包括目标物质的目标光谱以及背景物质的背景光谱，并且计算各像素的光谱的平均值，从而获得第一背景光谱。该方法还基于高光谱图像数据、目标光谱和第一背景光谱实施约束能量最小化(CEM)优化，从而获得第一滤波器系数。该方法也使用第一滤波器系数估计各像素的CEM值。第四实施例包括用于高光谱目标探测的电路。该电路包括可运行用于从高光谱图像数据中选择目标像素的控制装置以及滤波器装置，滤波器装置可运行用于将目标高光谱图像数据与所述高光谱图像数据进行比较。该电路还包括约束线性编程优化装置，它可运行用于根据高光谱图像数据、目标光谱和估计的背景光谱计算滤波器系数。提供这个
技术实现思路
摘要是为了简要介绍概念的选择，这将在下文中作进一步的详细说明。此
技术实现思路
摘要的目的不在于明确所要求保护的主题的关键特征或实质特征，也不在于被用作确定所要求保护的主题范围的辅助。附图说明本公开的各实施例将在下文中结合下列附图进行说明，其中类似的标号表示类似的元素。提供这些附图是为了本公开各示例实施例的图示和说明。提供这些附图用以促进对于本公开的理解，而非限制本公开的广度、范围、规模或适用性。这些附图没有必要按比例制作。图1是根据本公开一实施例的示例性高光谱成像方案的图示。图2是根据本公开一实施例的示例性高光谱成像系统的图示。图3是根据本公开一实施例的示例性高光谱图像数据立方体的图示。图4是根据本公开一实施例的示例性高光谱目标光谱的图示。图5是根据本公开一实施例针对实值矩阵中每个像素的示例性高光谱图像数据的图示。图6是显示根据本公开一实施例用于从高光谱图像数据探测目标的示例性过程的流程示。图7是根据本公开一实施例的约束能量最小化(CEM)算法的电路实现的图示，该算法用于背景光谱估计。图8是显示根据本公开一实施例图7所示电路的操作的示例性过程的流程7J\ ο图9是显示根据本公开一实施例背景光谱辐射的示例性确定的曲线示。图10是显示根据本公开一实施例滤波器系数的示例性确定的曲线示。图11是显示根据本公开一实施例各像素与目标光谱的示例性匹配程度的图表图7J\ ο图12是显示与常规算法相比较的，根据本公开一实施例针对用于成像的各种不同数量像素的目标物质的示例性估计相对丰度值(abimdancevalue)的曲线示。图13是显示根据本公开一实施例针对300个像素的示例性目标探测性能的图示。图14是显示根据本公开一实施例针对30个像素的示例性目标探测性能的图示。图15是显示根据本公开一实施例示例性滤波器系数收敛的曲线示，该收敛使用没有背景清除的经修正的CEM算法。图16是显示与地面实况参考相比较的，根据本公开一实施例示例性CEM值的曲线示，所述CEM值利用没有背景清除的经修正的CEM算法而得以估计出来。图17是显示根据本公开一实施例示例性滤波器系数收敛的曲线示，该收敛利用具有背景清除的经修正的CEM算法。图18是显示与地面实况相比较的，根据本公开一实施例示例性CEM值的曲线示，所述CEM值利用具有背景清除的经修正的CEM算法而得以估计出来。具体实施例方式下面的详细说明本质上是示例性的，并且其目不在于限制本公开或本公开的各实施例的应用以及用途。特定装置、本文档来自技高网...

【技术保护点】
１．从高光谱图像数据探测目标的方法，所述图像数据包括多个像素，这些像素包括目标物质的目标光谱以及背景物质的背景光谱，该方法包括：使用电路装置确定第一滤波器系数，从而基于所述高光谱图像数据、所述目标光谱和估计的背景光谱来执行约束线性编程优化；将包括所述第一滤波器系数的第一滤波器应用于所述高光谱图像数据，以获得第一过滤像素；以及将第一目标像素从所述第一过滤像素中识别出来。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：V·库克沙，J·克鲁兹阿尔布雷克特，R·M·马蒂克，P·彼得，M·W·伍尔博特，D·R·杰威，
申请(专利权)人：波音公司，
类型：发明
国别省市：US