[發明專利]一種海洋高光譜遙感影像特征分析方法

在審

• 申請號: 201711365732.0
• 申請日: 2017-12-18
• 公開（公告）號: CN108009517A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 高紅民;楊耀;李臣明;藺碩;樊悅;張振;洪建;王家偉;沈楊;楊琪;楊佳林
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 鄭婷

1.一種海洋高光譜遙感影像特征分析方法，其特征在于：包括以下步驟：

S1、對海洋高光譜遙感影像特征分類：海面、風場、浪場、流場、潮汐和鋒面等等；

S2、對步驟S1中的分類后的各遙感影像進行高光譜遙感數據波段中的空間圖像維信息、光譜維信息和特征空間維信息進行分析計算；

S3、建立計算機圖像網絡模型；

S4、收集數據進行圖像網絡模型驗證。

2.根據權利要求1所述的一種海洋高光譜遙感影像特征分析方法，其特征在于：所述步驟S2中高光譜遙感數據波段中的空間圖像維信息、光譜維信息和特征空間維信息分析計算中特定光譜信息被各物質所影響，且所影響的結果被統稱為觀測矢量，且觀測矢量r(x，y)可用線性模式描述:

r(x，y)＝mα(x，y)+n(x，y)

其中(x，y)是像元的空間位置；

m＝(u1，u2，u3，，，ui，up-1，d)是具有線性獨立組分的矩陣；

其中d是我們感興趣的信息，α(x，y)是一個矢量，它的第i個元素代表了像元中第i個信息分量，n(x，y)是一個代表隨機噪聲的矢量。

3.根據權利要求1所述的一種海洋高光譜遙感影像特征分析方法，其特征在于：所述S2中光譜信息中任一光譜吸收特征可由光譜吸收谷點與光譜吸收兩個肩部組成，光譜吸收指數可表達為:

SAI＝[dωs1+(1-d)ωs2)]/ωm

ω為平均單次散射反射率；

s1，s2為光譜吸收曲線的兩個肩部；

m為光譜吸收曲線的谷點；

d為吸收的對稱性參數，得到一系列典型吸收特征的SAI圖像后，可用最小二乘法反演各種目標物的光譜混合成分的含量。

4.根據權利要求1所述的一種海洋高光譜遙感影像特征分析方法，其特征在于：所述步驟S2中光譜維信息分析包括光譜微分技術，且光譜微分技術主要是對反射光譜進行數學模擬和計算不同階數的微分來確定光譜彎曲點及最大、最小反射率的波長位置。一階、二階微分光譜的近似計算方法如下:

ρ′(λi)＝[ρ(λi+1)-ρ(λi-1)]/2Δλ，

ρ″(λi)＝[ρ(λi+1)-2ρ(λi)+ρ(λi-1)]/Δλ2，

λi為每個波段的波長；

ρ′(λi)，ρ″(λi)分別為λi的一階和二階微分光譜，Δλ是波長λi-1到λi的間隔。

5.根據權利要求1所述的一種海洋高光譜遙感影像特征分析方法，其特征在于：所述步驟S2中空間圖像維信息、光譜維信息和特征空間維信息分析計算包括光譜匹配技術，其主要是通過計算景物光譜(像元光譜、測試光譜)和參考光譜(實驗室或已知像元光譜)在不同光譜位置(波段波長位置)的交叉相關系數，得到它們的相似性，用光譜匹配來突出感興趣的光譜特征，其相似程度指標可用夾角余弦來表示:

cos(s1，s2)＝∫s1(λ)s2(λ)dλ/[│∫s1(λ)2dλ│1/2│∫s2(λ2)dλ│1/2]

s1、s2為兩個像元的光譜值。

6.根據權利要求1所述的一種海洋高光譜遙感影像特征分析方法，其特征在于：所述步驟S2中空間圖像維信息、光譜維信息和特征空間維信息分析計算包括光譜分類技術，光譜分類技術方法很多，主要有最大似然分類法、人工神經元網絡分類法等，下面筆者主要介紹一種正交子空間投影法，其基本原理是把某個像元矢量投影到一個正交于不期望存在的信號的子空間上，通過正交子空間投影抗干擾，增大信噪比，正交子空間投影分類算法可以提供K個感興趣信號，同時維數減少到K維，并把高光譜圖像進行了分類。該方法可用于純光譜像元和混合像元。正交子空間投影分類算子為：qT＝dTP

其中p＝(1-UU*)

d為感興趣的信號；

p為最優抗干擾矩陣；

U*＝(UT-U)-1UT是U的偽逆矩陣，其中U是我們不感興趣的信號。