[發明專利]一種基于正則化高階統計量的高光譜空間多目標檢測方法

無效

• 申請號: 201110058205.1
• 申請日: 2011-03-10
• 公開（公告）號: CN102156981A
• 公開（公告）日: 2011-08-17
• 發明（設計）人: 史振威;秦臻
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于正則化高階統計量的高光譜空間多目標檢測方法，其特征在于：該方法具體步驟如下：

步驟一計算機讀取高光譜圖像數據：計算機在MATLAB?R2010a環境下讀取高光譜圖像數據，得到數據立方體，仿真的高光譜圖像共有4張，數據來源于仿真的哈勃望遠鏡遙感高光譜圖像；每張圖像的分辨率均為177×193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060，3941，1064和305；每張仿真圖像共有100個波段，信噪比為20，目標光譜來自已知的光譜庫；假設高光譜圖像共有M個波段，像素的光譜曲線用向量形式表示x₀＝[x₀₁，x₀₂，...，x_0M]^T，x_0i為該像素第i個波段的值；已知的目標光譜也用向量形式表示d₀＝[d₀₁，d₀₂，...，d_0M]^T，d_0i為該目標光譜第i個波段的值；步驟二數據預處理：用計算機讀取數據后，即對數據進行去均值化和白化；

(1)去均值化：對高光譜圖像去均值化，每個像素的光譜曲線都減去所有像素光譜曲線的平均值，去均值后使得整個高光譜圖像數據的均值為零；已知的目標光譜也要減去均值，去均值化通過下式進行：

x′＝x₀-E{x₀}

其中，E{}表示取數學期望，用圖像各像素光譜曲線的平均值近似代替，即x_0i表示第i個像素的光譜曲線，N等于圖像的像素個數；相應的已知的目標光譜也需要進行相應的處理，減去圖像各像素光譜曲線的期望即：

d′＝d₀-E{x₀}

(2)數據白化：白化是去相關的過程，白化之后像素的光譜曲線各分量之間是不相關的，即像素光譜曲線的協方差矩陣是單位陣；目標光譜也要進行相應的處理，即用白化矩陣乘以目標光譜；

白化通過下式進行：

x＝Γ^-1/2x′

其中，Γ為數據的協方差矩陣，因為已進行了去均值化，協方差矩陣等于自相關陣，即x_i′表示去均值化后的第i個像素的光譜曲線，T表示轉置，相應的目標光譜也進行相應的處理即：

d_i＝Γ^-1/2d_i′，i＝1，2，...，4

數據經過去均值化和白化處理后均值為零，協方差矩陣是單位陣即：

E{x}＝0

E{xx^T}＝I

步驟三求解檢測濾波器最佳權向量：數據進行去均值化和白化后，接下來的檢測過程看作是一個濾波的過程，檢測濾波器寫為：

y＝w^Tx

其中，x是每個像素的光譜曲線，y是濾波器的輸出，w＝[w₁，w₂，...w_M]^T是濾波器的權向量，目標函數即為最小化輸出數據的高階統計量，求出最佳權向量；

最佳權向量w的求解寫為：

minE{G(wTx)}-Σi=1nλiwTdi,i=1,2,...,4]]>

其中，d為經過預處理后的目標光譜，y＝w^Tx，G為高階統計量函數；這里選取了兩種高階統計量，即：G(y)＝y³，G(y)＝y⁴；

即求下列函數的極值：

J(w)=E{G(wTx)}-Σi=18λiwTdi,i=1,2,...,4]]>

這里應用梯度下降法，此目標函數的梯度為：

▿J=E{G′(wTx)x}-Σi=18λidi,i=1,2,...,4]]>

采用梯度下降法求解函數J(w)的極值，從而求解出最佳權向量w；

步驟四獲取檢測結果圖像：在求解出最佳權向量后，將每個像素的光譜曲線通過檢測濾波器，得出輸出數據；然后設定合適的閾值，濾波器輸出大于閾值的判定該像素存在目標，小于閾值的判定該像素不存在目標；將輸出大于閾值所對應的像素灰度值設為255，輸出小于閾值所對應的像素灰度值設為0，就得到了二值圖像；在二值圖像中目標對應的區域為白色，非目標對應的區域為黑色，從而完成了對目標的檢測和定位。

2.根據權利要求1所述的一種基于正則化高階統計量的高光譜空間多目標檢測方法，其特征在于：步驟三中所述的采用梯度下降法求解函數J(w)的極值，從而求解出最佳權向量w的具體實施過程如下：

(1)、初始化w；w的初始值隨機給定，即：

w⁺＝rand(w)

(2)、迭代w；利用梯度下降法對w進行迭代，迭代規則為：

λ_i＝1

w+=w-μ▿J=W-μ{E{G′(wTx)x}-Σi=18λidi},i=1,2,...,4]]>

其中，μ為步長，μ＝10^-4；

(3)、停止迭代條件；當兩次迭代的權向量w在相鄰兩次迭代的過程中變化不大時停止迭代，停止條件為：

||w-w_old||＜tol

w_old表示上一次迭代中w的值，取tol＝10^-4。