[發明專利]一種基于背景自學習的高光譜圖像生物信息提取方法

在審

• 申請號: 201710423985.2
• 申請日: 2017-06-07
• 公開（公告）號: CN107316041A
• 公開（公告）日: 2017-11-03
• 發明（設計）人: 王東波
• 申請（專利權）人: 太倉誠澤網絡科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京高航知識產權代理有限公司11530
• 代理人: 陳敏

技術領域

本發明涉及遙感信息技術領域，具體涉及一種基于背景自學習的高光譜圖像生物信息提取方法。

背景技術

為了快速準確地提取附著于載體的生物特征信息，或確定生物體體表或體內某一區域存在的異常特征信息，傳統的方法一般采用直接接觸提取的方法，這往往會對信息載體造成損傷。通過拍攝含有目標特征信息的圖像，對圖像進行處理得到這些信息，是更可可靠的方法。

一般頁言，基于圖像的生物特征提取方法大多是單波段全色圖像，通過對圖像的形狀進行計算，或對圖像進行濾波增強等方法獲取目標區域形狀。但是，傳統單波全色圖像存在著明顯缺陷：在外界環境如光照等因素存在差異的情況下，單波段全色圖像呈現出來的特征會發生較大變化，從而加大了信息提取的難度。隨著成像光譜儀的出現，可以獲取更加豐富和穩定的信息，利于進行進一步的生物信息提取，對于生物載體上的某些特征信息的提取，可以通過目標探測完成。近年來涌現了許多基于高光譜圖像的目標信息提取方法，最常見的方法有匹配濾波器方法（MF）、約束能量最小化方法(CEM)、自適應余弦一致性評傳器方法(ACE)、光譜角方法(SAM)、正交子空間投影方法(OSP)等，這些方法中，MF和SAM方法沒有一致背景信息，，CEM、ACE和OSP方法在抑制背景信息的同時受到目標信息的影響，導致對背景信息估計不夠準確。

因此，針對上述問題，本發明提出了一種新的技術方案。

發明內容

本發明的目的是提供一種有效對背景信息進行估計，提取完整的生物目標信息的基于背景自學習的高光譜圖像生物信息提取方法。

本發明是通過以下技術方案來實現的：

一種基于背景自學習的高光譜圖像生物信息提取方法，包括以下步驟：

使用最小誤差高光譜信息辨識法來估計圖像中端元個數；

將步驟得到的端元數作為聚類數，將聚類數引入到最小誤差高光譜信息辨識法對背景信息進行聚類；

得到聚類信息后，將聚類中心的光譜信息作為向量，計算各聚類間的光譜角，并合并光譜角的類別；

找到與先驗信息光譜特征最接近的類，通過比較聚類中心與先驗信息光譜角，來判斷些類別是否舍棄；

在提取目標信息前，給每個像素點決定一個背景類，以當前像素為中心，劃定一個正方形區域，以該區域內的所有像素點的信息共同決定當像像素的背景類，然后對正方形區域內的所有像素點進行加權平均的方法，得到具有空間信息的測試像素點光譜信息，再通過算法對每個像素進行計算，得到的值通過閾值劃分來判定是否為需要提取的目標信息。

進一步地，所述步驟中，每個聚類中的像素個數不少于圖像的波段數。

進一步地，當像素個數小于圖像的波段數的類別合并到最近的類別中。

進一步地，所述步驟中正方形區域的大小可以根據要求進行調整。

進一步地，所述步驟中每個像素計算的算法為廣義似然比方法。

本發明的有益效果是：本發明提出的提取方法避免了獲取信息時物理接觸造成的破壞，能多次穩定獲取圖像，能有效地對背景信息進行估計，提取完整的生物目標信息，有效地提高了提取精度。

具體實施方式

下面結合實施例對本發明做進一步地說明。

實施例1

一種基于背景自學習的高光譜圖像生物信息提取方法，包括以下步驟：

使用最小誤差高光譜信息辨識法來估計圖像中端元個數；

將步驟得到的端元數作為聚類數，將聚類數引入到最小誤差高光譜信息辨識法對背景信息進行聚類；

得到聚類信息后，將聚類中心的光譜信息作為向量，計算各聚類間的光譜角，并合并光譜角的類別；

找到與先驗信息光譜特征最接近的類，通過比較聚類中心與先驗信息光譜角，來判斷些類別是否舍棄；

在提取目標信息前，給每個像素點決定一個背景類，以當前像素為中心，劃定一個正方形區域，以該區域內的所有像素點的信息共同決定當像像素的背景類，然后對正方形區域內的所有像素點進行加權平均的方法，得到具有空間信息的測試像素點光譜信息，再通過算法對每個像素進行計算，得到的值通過閾值劃分來判定是否為需要提取的目標信息。

在本實施例中，步驟中，每個聚類中的像素個數不少于圖像的波段數。

在本實施例中，當像素個數小于圖像的波段數的類別合并到最近的類別中。

在本實施例中，所述步驟中正方形區域的大小可以根據要求進行調整。

在本實施例中，所述步驟中每個像素計算的算法為廣義似然比方法。