[發(fā)明專利]基于數(shù)學(xué)形態(tài)學(xué)的光譜角度匹配方法在審
| 申請(qǐng)?zhí)枺?/td> | 201710229752.9 | 申請(qǐng)日: | 2017-04-10 |
| 公開(公告)號(hào): | CN107133954A | 公開(公告)日: | 2017-09-05 |
| 發(fā)明(設(shè)計(jì))人: | 劉暢 | 申請(qǐng)(專利權(quán))人: | 北京環(huán)境特性研究所 |
| 主分類號(hào): | G06T7/11 | 分類號(hào): | G06T7/11;G06T7/155;G06T7/187;G06K9/00 |
| 代理公司: | 北京君恒知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11466 | 代理人: | 黃啟行,張璐 |
| 地址: | 100854*** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 數(shù)學(xué) 形態(tài)學(xué) 光譜 角度 匹配 方法 | ||
1.基于數(shù)學(xué)形態(tài)學(xué)的光譜角度匹配方法,其特征在于包括:
S1、在結(jié)構(gòu)元素中對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的膨脹和腐蝕運(yùn)算,獲取每個(gè)像元對(duì)應(yīng)的MEI值,得到MEI圖像;
S2、遍歷MEI圖像中的每個(gè)像元,將MEI值大于預(yù)設(shè)的MEI閾值的像元標(biāo)記為端元,得到端元圖像;
S3、對(duì)所述端元圖像進(jìn)行圖像分割和區(qū)域生長(zhǎng),得到端元光譜圖像;
S4、遍歷端元光譜圖像中的每個(gè)端元,利用光譜角度匹配算法獲取所述端元光譜圖像中每個(gè)像元光譜與當(dāng)前的端元光譜之間的光譜角度,若該光譜角度為0,則將當(dāng)前的像元與當(dāng)前的端元?dú)w為一類。
2.如權(quán)利要求1所述的方法,其特征在于,步驟S1中,在兩個(gè)或更多個(gè)結(jié)構(gòu)元素中分別對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的膨脹和腐蝕運(yùn)算,獲取每個(gè)像元的MEI值;
對(duì)于任意一個(gè)像元,將采用不同結(jié)構(gòu)元素獲得的MEI值的平均值作為該像元對(duì)應(yīng)的MEI值;
其中,不同結(jié)構(gòu)元素的大小不同。
3.如權(quán)利要求2所述的方法,其特征在于,步驟S1中,首先在最小結(jié)構(gòu)元素Kmin中對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的膨脹和腐蝕運(yùn)算,獲取每個(gè)像元的MEI值;
然后依次增加結(jié)構(gòu)元素的大小,在每個(gè)結(jié)構(gòu)元素中對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的膨脹和腐蝕運(yùn)算,獲取每個(gè)像元的MEI值,直至達(dá)到最大結(jié)構(gòu)元素Kmax;
對(duì)于任意一個(gè)像元,將采用不同結(jié)構(gòu)元素獲得的MEI值的平均值作為該像元對(duì)應(yīng)的MEI值;
其中,最小結(jié)構(gòu)元素Kmin、最大結(jié)構(gòu)元素Kmax、以及介于最小結(jié)構(gòu)元素Kmin和最大結(jié)構(gòu)元素Kmax之間的結(jié)構(gòu)元素是預(yù)先設(shè)置的。
4.如權(quán)利要求3所述的方法,其特征在于,步驟S1包括:對(duì)于每個(gè)結(jié)構(gòu)元素:
在結(jié)構(gòu)元素中,對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的膨脹運(yùn)算,將達(dá)到結(jié)構(gòu)元素質(zhì)心的距離最大的像元作為最純凈像元;
在結(jié)構(gòu)元素中,對(duì)目標(biāo)高光譜圖像的每個(gè)像元進(jìn)行基于質(zhì)心的腐蝕運(yùn)算,將達(dá)到結(jié)構(gòu)元素質(zhì)心的距離最小的像元作為混合最嚴(yán)重像元;
將最純凈像元與混合最嚴(yán)重像元之間的光譜角度距離作為結(jié)構(gòu)元素當(dāng)前位置對(duì)應(yīng)的像元的MEI值。
5.如權(quán)利要求1所述的方法,其特征在于,對(duì)于任意一個(gè)結(jié)構(gòu)元素,其質(zhì)心為:
式中,K代表結(jié)構(gòu)元素;M是結(jié)構(gòu)元素K中像元的數(shù)量;cK為結(jié)構(gòu)元素K的質(zhì)心;f(s,t,w)為結(jié)構(gòu)元素K中任意一個(gè)像元,(s,t,w)為像元f(s,t,w)的坐標(biāo)。
6.如權(quán)利要求4所述的方法,其特征在于,步驟S2之前進(jìn)一步包括:將MEI圖像中每個(gè)像元的MEI值的平均值作為預(yù)設(shè)的MEI閾值。
7.如權(quán)利要求1所述的方法,其特征在于,步驟S4中采用如下公式確定所述端元光譜圖像中每個(gè)像元光譜與當(dāng)前的端元光譜之間的光譜角度:
式中,n為波段數(shù);X為像元光譜,Y為端元光譜;θ(X,Y)為像元光譜X與端元光譜Y之間的光譜角度,值域?yàn)?~π/2,當(dāng)θ(X,Y)為0時(shí),表示像元光譜X與端元光譜完全相同,當(dāng)θ=π/2時(shí),表示像元光譜X與端元光譜完全不同。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京環(huán)境特性研究所,未經(jīng)北京環(huán)境特性研究所許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710229752.9/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 數(shù)學(xué)式輸入裝置以及數(shù)學(xué)式修正方法
- 一種數(shù)學(xué)學(xué)習(xí)調(diào)查方法及裝置
- 基于實(shí)體組合的數(shù)學(xué)自然語(yǔ)言處理實(shí)現(xiàn)方法、系統(tǒng)
- 一種多用途學(xué)生用數(shù)學(xué)尺裝置
- 數(shù)學(xué)翻譯器、數(shù)學(xué)翻譯設(shè)備及平臺(tái)
- 一種數(shù)學(xué)學(xué)習(xí)輔助方法、系統(tǒng)及其裝置
- 基于虛擬現(xiàn)實(shí)的數(shù)學(xué)教學(xué)系統(tǒng)
- 一種數(shù)學(xué)符號(hào)輸入的裝置、方法、設(shè)備及存儲(chǔ)介質(zhì)
- 一種獲得數(shù)學(xué)對(duì)象標(biāo)注模型、數(shù)學(xué)對(duì)象標(biāo)注的方法和裝置
- 學(xué)具(幼兒數(shù)學(xué)智力學(xué)具)
- 一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法
- 一種利用形態(tài)學(xué)中心算子的圖像融合方法
- 基于形態(tài)學(xué)房屋指數(shù)的高分辨率遙感影像房屋提取方法
- 一種利用數(shù)學(xué)形態(tài)學(xué)切換變換構(gòu)造形態(tài)學(xué)對(duì)比度算子的礦物圖像增強(qiáng)方法
- 高分辨率遙感影像快速分割方法
- 基于改進(jìn)Roberts算子的不規(guī)則飲料瓶碼放圖像邊緣檢測(cè)方法
- 檢測(cè)模式控制電路
- 檢測(cè)模式控制電路
- 一種基于稀疏結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)信號(hào)處理方法
- 一種城市建筑物高分遙感影像自動(dòng)提取的方法及裝置





