[發明專利]一種噪聲魯棒的高光譜圖像波段選擇方法

有效

• 申請號: 202110167143.1
• 申請日: 2021-02-07
• 公開（公告）號: CN112884035B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 路燕;任月;崔賓閣
• 申請（專利權）人: 山東科技大學
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06V10/74;G06V20/10
• 代理公司: 青島錦佳專利代理事務所(普通合伙) 37283
• 代理人: 邵朋程

本發明公開了一種噪聲魯棒的高光譜圖像波段選擇方法，屬于遙感圖像處理技術領域。本發明包括以下步驟：尋找合適的波段相似性度量方法，確定子空間劃分依據，構建高光譜圖像波段相關系數矩陣；依據相關系數矩陣構建子空間劃分最優目標函數，自適應地調整子空間的分割點，得到劃分后的若干子空間；制定波段搜索準則，依據搜索準則在各個子空間中挑選最具代表性波段組成代表性波段子集。通過構建子空間劃分最優目標函數及波段搜索準則，本發明能夠選擇出冗余度小、信息量大且噪聲水平低的代表性波段子集，避免將噪聲波段選為代表性波段，有效降低高光譜遙感數據的光譜冗余度，提高代表性波段子集的類別可分性。

技術領域

本發明涉及遙感圖像處理技術領域，特別是涉及一種噪聲魯棒的高光譜圖像波段選擇方法。

背景技術

高光譜傳感器以數十至數百個連續且細分的光譜波段對目標區域同時成像，形成了包含數十至數百個波段的高光譜圖像。由于包含豐富的光譜和空間信息，高光譜圖像被廣泛應用于各種任務，如復雜環境下的地物精細分類、目標檢測和植被面積估計等。高維度的光譜數據在為圖像處理提供更多光譜信息的同時，也帶來了維數災難、信息冗余、計算復雜度高和存儲成本巨大等問題。波段選擇能有效降低高光譜遙感數據的光譜冗余度。波段選擇是從高光譜圖像中選擇出信息量較大、相關性較弱、類別可分性較好的波段組合，基本保留了地物的固有物理屬性。

基于聚類的方法是常用的波段選擇方法之一。然而目前大多數基于聚類的高光譜圖像波段選擇方法僅考慮波段信息冗余問題，忽略了所選波段的噪聲水平，致使選取的代表性波段子集中可能含有噪聲水平較高的波段。然而受瑞利散射、水和二氧化碳吸收等大氣因素的影響，真實的高光譜圖像通常在某些波段有嚴重的噪聲。這些噪聲會對波段信息量估計和波段間相似度計算產生不利影響。

發明內容

基于上述技術問題，本發明提出一種噪聲魯棒的高光譜圖像波段選擇方法，該方法可避免將噪聲波段選為代表性波段。

本發明所采用的技術解決方案是：

一種噪聲魯棒的高光譜圖像波段選擇方法，包括以下步驟：

A尋找合適的波段相似性度量方法，確定子空間劃分依據，構建高光譜圖像波段相關系數矩陣；

A1列舉常用的波段相似性度量方法，主要包括距離度量和相關性度量；

A2展示各種波段相似性度量方法在高光譜遙感圖像上的可視化矩陣，觀察對比各種波段相似性度量方法的特性，選擇合適的波段相似性度量方法；

A3將步驟A2中所選的波段相似性度量方法作為子空間劃分依據，構建高光譜圖像波段相關系數矩陣；

B依據步驟A所構建的高光譜圖像波段相關系數矩陣構建子空間劃分最優目標函數，自適應地調整子空間的分割點，得到劃分后的若干子空間；

B1將高光譜圖像視為有序數據，根據所選的代表波段的數量K將高光譜圖像光譜波段等分為K個子空間，記錄各個子空間的分割點；

B2依據相關系數矩陣構建子空間劃分最優目標函數，明確子空間劃分標準：子空間內部相關性較大，各個子空間之間的相關性較小；

B3根據所述最優目標函數自適應地調整步驟B1中各個子空間的分割點；

B4利用步驟B3中自適應調整后的分割點，確定調整后的子空間區域范圍，得到劃分后的K個子空間；

C制定波段搜索準則，依據搜索準則在各個子空間中挑選最具代表性波段組成代表性波段子集；

C1明確選擇各個子空間中信息熵大且噪聲水平低的波段作為代表性波段的標準；

C2根據步驟C1中的代表性波段選擇標準制定波段搜索準則；

C3依據波段搜索準則在各個子空間中挑選最具代表性波段；