[發明專利]一種基于自適應樣本選擇的高光譜城區水體檢測方法

有效

• 申請號: 201810471321.8
• 申請日: 2018-05-17
• 公開（公告）號: CN108734122B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 唐林波;王文正;鄧宸偉;馮帆;趙保軍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/774;G06V10/764;G06K9/62;G06T7/00;G06T7/136
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 郭德忠;李愛英

1.一種高光譜城區水體自動檢測方法，其特征在于，包括以下步驟：

S1：獲取原始高光譜圖像中所有近紅外譜段圖像的均值圖像，并將該均值圖像作為第一均值圖像；

S2：分別獲取所述第一均值圖像與所述所有近紅外譜段圖像的SSIM值，剔除小于預設閾值T1的SSIM值對應的近紅外譜段圖像，并重新獲取剩余近紅外譜段圖像的均值圖像，并將該均值圖像作為第二均值圖像；

S3：對所述第二均值圖像進行閾值分割，獲取疑似水體區域；

S4：對所述疑似水體區域進行膨脹操作，剔除面積小于預設閾值T2的疑似水體區域，從而將剩余的疑似水體區域作為水體樣本提取區域；

根據所述水體樣本提取區域中水體中心區域的坐標，在原始高光譜圖像中獲取與所述水體中心區域對應的原始光譜，則該原始光譜為正樣本；

對所述疑似水體區域進行腐蝕操作，擴大疑似水體區域，其中擴大的部分為疑似水體區域的周邊區域，并將所述周邊區域作為非水體樣本提取區域；

根據所述非水體樣本提取區域的坐標，在原始高光譜圖像中獲取與所述非水體樣本提取區域對應的原始光譜，則該原始光譜為負樣本；

其中，所述原始光譜為原始高光譜圖像中各像素點的像素值以波長為變量，在全波段范圍內形成的光譜；

S5：采用機器學習的方法，根據所述正樣本的光譜特征和負樣本的光譜特征完成光譜特征分類器的訓練；

S6：采用所述光譜特征分類器對步驟S3中獲取的疑似水體區域在原始高光譜圖像中對應的原始光譜進行重檢，從而獲取城區水體區域。

2.如權利要求1所述的一種高光譜城區水體自動檢測方法，其特征在于，所述正樣本的光譜特征和負樣本的光譜特征的獲取方法為：

采用深度學習的方法，隨機選取部分正樣本和部分負樣本進行光譜特征提取網絡模型的訓練，獲取光譜特征提取網絡模型；

根據所述光譜特征提取網絡模型，提取剩余的正樣本和負樣本的光譜特征。

3.如權利要求1所述的一種高光譜城區水體自動檢測方法，其特征在于，所述疑似水體區域在原始高光譜圖像對應的原始光譜的獲取方法為：

獲取疑似水體區域所在像素點的坐標；

在原始高光譜圖像的全波段范圍內，將與疑似水體區域坐標相同的像素點對應的像素值，作為疑似水體區域在原始高光譜圖像對應的原始光譜。