[發(fā)明專利]一種基于分段稀疏表示的高光譜遙感圖像目標識別方法

有效

• 申請?zhí)枺?/td>: 201810489307.0
• 申請日: 2018-05-21
• 公開（公告）號: CN108764097B
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計）人: 鄧宸偉;賈森;唐林波;王文正;趙保軍
• 申請（專利權(quán)）人: 北京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 代麗;仇蕾安

本發(fā)明公開了一種基于分段稀疏表示的高光譜遙感圖像目標識別方法。使用本發(fā)明能夠在不同場景下均取得了不錯的目標檢測效果。本發(fā)明通過光譜分段，從局部特征的組合方式著手，充分強調(diào)并利用了更為穩(wěn)定的局部光譜特征，提升了目標檢測效果；利用稀疏表示和字典學習自適應(yīng)性的特點，無需對目標和背景的分布做任何的假設(shè)，避免了過多先驗假設(shè)和手工特征帶來的建模的欠準確性。本發(fā)明采用局部特征匹配的特性使得少數(shù)波段受到污染不會嚴重影響全局的特征匹配結(jié)果，具有一定的抗波段污染的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理和計算機視覺技術(shù)領(lǐng)域，具體涉及一種基于稀疏表示和字典學習的高光譜圖像目標檢測方法。

背景技術(shù)

目標檢測與識別是計算機視覺的重要組成部分。高光譜遙感利用目標的空間信息和光譜信息，對場景中的地物進行精細識別，目前已在地質(zhì)礦物探測、植被水體研究、大氣科學、海洋科學、城市規(guī)劃、農(nóng)業(yè)、國防軍事等領(lǐng)域得到了日益廣泛的應(yīng)用。目標檢測關(guān)鍵在于利用目標和背景的先驗知識，將目標從背景中檢測出來。理論上，高光譜遙感圖像包含了二維的地物空間分布信息以及一維的反射光譜信息，因此目標檢測可以從空間維度與光譜維度兩方面進行。目前而言，多數(shù)的高光譜遙感系統(tǒng)，其空間分辨率較低而光譜分辨率較高(10nm)，因此基于光譜信息的目標檢測仍是當前階段高光譜遙感目標檢測的主流方法。

傳統(tǒng)的高光譜遙感目標檢測以統(tǒng)計理論和信號檢測理論為基礎(chǔ)，將待檢測像元看作目標和背景的二元假設(shè)，在一定的先驗分布假設(shè)下分別計算待檢測像元屬于目標分布或者背景分布的概率，并做似然比檢驗，如果似然比大于設(shè)定好的經(jīng)驗閾值，則認為待檢測像元屬于目標，反之則屬于背景，認為目標不存在。匹配濾波(MF)是檢測理論中最具有代表性的方法之一，自適應(yīng)一致/余弦估計(ACE)便是應(yīng)用匹配濾波的檢測的一個特例。ACE基于零均值多元高斯分布的噪聲假設(shè)，以及只包含單一光譜構(gòu)成非結(jié)構(gòu)化背景模型，而在實際中，由于光譜變異性、混合光譜等的作用，背景像元往往服從更為復雜的分布。針對這一問題，研究人員提出了結(jié)構(gòu)化背景模型，即認為背景光譜是多種地物光譜的混合。正交子空間投影(OSP)是一種典型的基于結(jié)構(gòu)化背景假設(shè)的目標檢測方法。這一方法并未對噪聲做過多的先驗分布假設(shè)，并要求存在目標和背景端元先驗光譜信息，實際操作中能夠取得較好的背景抑制作用。包括OSP在內(nèi)的一系列方法最大的限制在于背景先驗光譜的獲取，實際情況中背景復雜多變，人們難以詳盡地收集欲抑制的背景光譜，因此這些方法難以在實際中得以應(yīng)用。約束能量最小化(CEM)是一種基于二階統(tǒng)計量的經(jīng)典目標檢測算法，該方法求得一種檢測器，能夠約束目標的輸出能量并最小化背景的總輸出能量，只需極少的先驗假設(shè)，因而有一定的實用價值。無背景先驗假設(shè)的特點使得CEM具有異常檢測的特性，但同時也帶來了易虛警、不易檢測大目標的問題。

近年來隨著機器學習技術(shù)的興起，有關(guān)技術(shù)也被逐步應(yīng)用在高光譜圖像處理中。稀疏表示與字典學習作為其中的代表之一，在目標檢測中取得了令人欣喜的結(jié)果。利用事先構(gòu)建的目標字典及背景字典，將待檢測像元進行稀疏重構(gòu)，并利用重構(gòu)殘差判斷其屬于目標或是背景，是這類方法的核心所在。數(shù)據(jù)驅(qū)動和自適應(yīng)的特點使基于稀疏表示的方法不需要顯式的分布假設(shè)，因此具有很好的應(yīng)用價值，STD(稀疏表示目標檢測)、SRBBHD(稀疏表示二元假設(shè)檢測)等均是典型的稀疏表示目標檢測方法。然而，這些方法都直接利用原始光譜向量，并未充分挖掘光譜的特征。這使得它們對于光譜變異性、波段污染等常見干擾較為敏感。

總結(jié)當前高光譜目標檢測的方法，它們?nèi)〉昧艘欢ǖ某晒?，但仍存在一些不容忽視的問題。第一，傳統(tǒng)的基于統(tǒng)計理論的方法往往要求較強的目標和背景的先驗分布假設(shè)，但實際情況復雜多變難以對其做準確數(shù)學建模。影響光譜變化的因素很多，包括光照強度和角度、大氣傳輸、物體本身的幾何形狀、表面材料物理性質(zhì)變化等，模型往往對這些因素難以準確詳盡的予以考慮。第二，傳統(tǒng)的方法大多直接從原始光譜曲線出發(fā)，缺乏對更為魯棒的光譜特征的挖掘。光譜變異性使得同一地物的光譜曲線呈現(xiàn)一定程度的波動，而現(xiàn)有的方法往往對于這樣的波動較為敏感，歸根到底在于原始光譜特征魯棒性較差。第三，云層遮擋等常見現(xiàn)象對光譜造成污染，這導致現(xiàn)有方法性能嚴重下降。如果能夠充分挖掘穿云波段的特征，利用穿云波段進行匹配識別，就有可能實現(xiàn)薄云遮擋下目標的識別。