[發(fā)明專利]基于數(shù)學形態(tài)學的光譜角度匹配方法在審

申請?zhí)枺?/td>	201710229752.9	申請日：	2017-04-10
公開（公告）號：	CN107133954A	公開（公告）日：	2017-09-05
發(fā)明（設計）人：	劉暢	申請（專利權）人：	北京環(huán)境特性研究所
主分類號：	G06T7/11	分類號：	G06T7/11;G06T7/155;G06T7/187;G06K9/00
代理公司：	北京君恒知識產(chǎn)權代理事務所(普通合伙)11466	代理人：	黃啟行,張璐
地址：	100854***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于數(shù)學形態(tài)學光譜角度匹配方法
鉆瓜網(wǎng) 技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發(fā)明涉及高光譜目標特性與目標識別技術領域，尤其涉及基于數(shù)學形態(tài)學的光譜角度匹配方法。

背景技術

以下對本發(fā)明的相關技術背景進行說明，但這些說明并不一定構成本發(fā)明的現(xiàn)有技術。

高光譜遙感的興起是20世紀80年代遙感技術的最大成就之一，而高光譜目標檢測技術是高光譜遙感最為重要的應用方向之一。傳統(tǒng)的目標檢測算法一般是在假設數(shù)據(jù)服從某種統(tǒng)計或幾何模型的基礎上構造檢測算子，并根據(jù)先驗信息估計算子中的統(tǒng)計參量，例如自適應余弦估計(Adaptive cosine estimator,ACE)、正交子空間投影(Orthogonal subspace projector,OSP)算法等。但是在實際應用中，目標的先驗信息不易獲取。

在未知目標、未知背景情況下的目標檢測可以通過兩種方式來實現(xiàn)，一種是直接根據(jù)信息量的分布進行異常目標檢測，主要有異常檢測(RXD)算法、均衡目標檢測(UTD)算法等。另一種是利用混合像元分解中的端元提取技術獲得目標及背景信息的非監(jiān)督目標檢測。通常情況下，由于受遙感圖像空間分辨率的限制以及地物復雜多樣性的影響，某些感興趣目標在圖像中大多以混合像元的形式存在。因此，研究基于端元提取算法的高光譜圖像目標檢測技術就顯得尤為重要。

傳統(tǒng)的基于端元提取算法的高光譜圖像目標檢測技術均是從數(shù)據(jù)光譜信息和特征空間分析的角度出發(fā)進行處理的，忽略了像元之間存在的空間相關性。為了更加準確地進行高光譜遙感圖像的分析，綜合考慮高光譜數(shù)據(jù)提供的光譜信息和空間信息是十分必要的。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出基于數(shù)學形態(tài)學的光譜角度匹配方法，能夠解決在目標與背景未知的情況下高光譜圖像感興趣目標檢測識別的問題。

本發(fā)明基于數(shù)學形態(tài)學的光譜角度匹配方法，包括：

S1、在結構元素中對目標高光譜圖像的每個像元進行基于質(zhì)心的膨脹和腐蝕運算，獲取每個像元對應的MEI值，得到MEI圖像；

S2、遍歷MEI圖像中的每個像元，將MEI值大于預設的MEI閾值的像元標記為端元，得到端元圖像；

S3、對所述端元圖像進行圖像分割和區(qū)域生長，得到端元光譜圖像；

S4、遍歷端元光譜圖像中的每個端元，利用光譜角度匹配算法獲取所述端元光譜圖像中每個像元光譜與當前的端元光譜之間的光譜角度，若該光譜角度為0，則將當前的像元與當前的端元歸為一類。

優(yōu)選地，步驟S1中，在兩個或更多個結構元素中分別對目標高光譜圖像的每個像元進行基于質(zhì)心的膨脹和腐蝕運算，獲取每個像元的MEI值；

對于任意一個像元，將采用不同結構元素獲得的MEI值的平均值作為該像元對應的MEI值；

其中，不同結構元素的大小不同。

優(yōu)選地，步驟S1中，首先在最小結構元素K_min中對目標高光譜圖像的每個像元進行基于質(zhì)心的膨脹和腐蝕運算，獲取每個像元的MEI值；