[發明專利]基于光譜梯度與層次結構的高光譜圖像顯著性目標檢測方法

有效

• 申請號: 201710442878.4
• 申請日: 2017-06-13
• 公開（公告）號: CN107274416B
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 魏巍;張艷寧;張磊;嚴杭琦;高一凡
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06K9/46;G06K9/62;G06K9/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

1.一種基于光譜梯度與層次結構的高光譜圖像顯著性目標檢測方法，其特征在于包括以下步驟：

步驟一、生成光譜梯度圖像；

對每個像元計算光譜梯度，生成光譜梯度圖像，以便所提取的光譜梯度特征向量之間維持原始圖像中的空間關系；

式中，是光譜梯度向量的第j個分量；是原始光譜向量第j個分量；Δλ是相鄰波段波長差值；

對一個高光譜數據塊D中每一個像素對應的光譜向量使用公式(1)得到一個新的光譜梯度數據塊X；

步驟二、生成圖像分割區域；

對光譜梯度數據塊X進行簡單線性迭代聚類算法，具體步驟如下：

輸入：光譜梯度圖像X，期望超像素邊長s，權重系數m；

輸出：標記出各超像素的分割圖像；

1.初始化過程：

1)以s為間隔長度，在梯度圖像X上初始化一組初始聚類中心C；

2)將各中心調整到3×3鄰域內梯度最小值所在的位置；

3)設置每個像元對應的標簽l_i＝-1，到其當前所屬中心的距離d_i＝+∞；

2.迭代更新像元標簽、各聚類中心：

1)對當前聚類中心C_k，在邊長為2s正方形鄰域內，按公式(2)計算鄰域內各像元x_i到C_k的距離D(x_i,C_k)；

2)若D(x_i,C_k)<d_i，則置x_i對應的標簽l_i＝k，并更新d_i＝D(x_i,C_k)；

3)重復步驟1)、步驟2)直至前后兩次迭代之間各中心的變化小于閾值；

式中，d_g(x_i,C_k)是x_i與C_k中光譜梯度部分的歐氏距離；d_s(x_i,C_k)是x_i與C_k空間位置的歐式距離；m是兩項距離間的權重系數；

采用雙核函數代替均值漂移算法中的密度函數完成均值漂移過程中的相關計算，其具體形式為

式中，x_g是像元x對應的光譜梯度向量；x_s是像元x所在的空間坐標；T_g是光譜特征對應核函數帶寬；T_s是空間坐標對應核函數帶寬；δ是歸一化系數；

均值漂移算法具體步驟如下：

輸入：超像素中心向量C＝{C₁,C₂,…,C_k,…C_n}，光譜閾值T_g，空間閾值T_s；

輸出：對輸入超像素中心的標記向量l_sp；

1)以超像素向量C_k其作為初始中心進行均值漂移過程，記所得候選中心C′_j；

2)對出現在C′_j形成路徑上的所有樣本，計其對C′_j的投票數加1；

3)遍歷當前候選中心集合C′，尋找與C′_j的光譜梯度距離小于T_g/2，且空間距離小于T_s/2的首選中心C′_i；

4)若則合并C′_i、C′_j上的計票，同時向C′添加C′_i、C′_j均值，并刪除C′_i；否則，轉步驟5)；

5)對各超像素中心，重復步驟1)到4)，得到最終的各聚類中心；

6)對各超像素中心，取獲得投票最多的聚類中心C′_m為其歸屬，得l_sp；

步驟三、建立基于圖像層次結構的顯著性目標檢測模型；

對步驟二中樣本光譜特征相似性要求的光譜閾值T_g，以及控制樣本鄰域范圍的空間閾值T_s，分別取值為0.1、0.2、0.3、0.4倍的max{r,c}，和10、20、25、30；這樣，底層的超像素經過不同粒度下的聚類后，總共將產生4個層次上聚類結果，形成一個4層的圖像層次結構；將作為底層節點的超像素塊全體記作其中表示了超像素的個數；另外，將第i層中的第j個分割區域抽象為節點如上所述，在層數為h的層次結構下考察超像素上最終的顯著性結果，則相應的顯著性檢測模型表示為

式中，是返回第i層中所有包含的節點下標；ω_i是節點所在層次的權重；是節點上的顯著性數值；

步驟四、位置先驗、背景先驗及邊緣特征顯著性計算方法；

1.位置先驗與背景先驗；

位置先驗的數學表達式如下：

式中，是區域R_i中像元x_k到圖像中心點的歐式距離；

選定距離圖像四周10像素以內所有像素構成的方環區域為圖像的邊界區域R_b；對于圖像層次結構中的節點計算其背景先驗大小時遵循以下三條規則：

1)若則對施加的懲罰函數

2)否則，若則懲罰函數

3)與R_b交集規模愈大，懲罰應越重，即的絕對值更大；

以上三條規則明確了以接觸懲罰計算背景先驗時的邊界條件和影響因素；在滿足規則的情況下，采用不同形式的懲罰函數得到不同的具體計算方法；懲罰函數的定義為

式中，ξ是邊界區域內每個像素所帶的懲罰因子；

2.邊緣特征顯著性；

將高光譜圖像各波段的均值作為其對應的灰度圖像I_hsi，使用Canny檢測子得到邊緣特征；利用高光譜圖像空間維度上的邊緣特征計算區域顯著性，步驟如下：

輸入：高光譜圖像平均灰度圖I_hsi，層次結構節點及其所在分割結果圖I_seg；

輸出：上的邊緣特征顯著性

1)對I_hsi使用Canny檢測子提取邊緣，得到結果

2)對I_seg用3×3方差為1.5的高斯濾波器進行濾波，使區域邊界寬度增加；

3)對濾波后的I_seg求梯度幅值圖像，經二值化得到邊界提取結果

4)利用下式將分割區域邊界上的圖像邊緣累加，得到

式中，是分割區域的邊界；是中位于內的邊緣特征累加運算；

步驟五、計算顯著圖；

在具體計算顯著圖時，要確定層次結構中各節點或者各層次上分割區域的顯著性計算方法；由光譜梯度區域對比、邊緣特征顯著性、位置先驗以及背景先驗四個部分組成；位置先驗計算公式如下：

在施加先驗時，僅對基于光譜特征區域對比的部分進行增強，不對基于邊緣特征的部分進行操作；背景先驗由于選取的圖像邊界寬度較小，對抑制背景有比較好的效果，故對基于兩種特征的計算方法同時予以施加；最終得到顯著性計算公式為

式中，是權重系數。