[發明專利]一種增強二維奇異譜分析的空間特征提取方法

在審

• 申請號: 202210199324.7
• 申請日: 2022-03-02
• 公開（公告）號: CN114581704A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 付航;于會泳;劉春秀;董震;高慧娟
• 申請（專利權）人: 青島星科瑞升信息科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/40;G06F17/16
• 代理公司: 成都宏田知識產權代理事務所(普通合伙) 51337
• 代理人: 菅秀君

本發明公開了一種增強二維奇異譜分析的空間特征提取方法，利用像素的局部相似性來增強空間特征提取效果。基于傳統2DSSA，本發明提出一種改進的自適應窗口來代替固定窗口，結合目標像素的鄰域相似性實現嵌入過程，得到具有低秩性的軌跡矩陣；對該低秩性軌跡矩陣進行奇異值分解，由其得到的最大奇異值，比固定窗口得到的最大奇異值更大，并且在所有奇異值中占比更高，對應更多的空間信息；將最大奇異值對應的空間子成分作為特征進行重構，得到最終的特征成分，該成分在增強空間結構信息的同時，去除了噪聲等影響成分。本發明能夠解決高光譜影像中空間尺度多樣、噪聲等問題，克服傳統2DSSA方法的不足，增強影像的特征提取效果，提高影像的地物分類精度。

技術領域

本發明屬于遙感影像處理技術領域，尤其涉及一種增強二維奇異譜分析的空間特征提取方法。

背景技術

隨著傳感器和衛星技術的進步，高光譜遙感成為近30年來獲得迅速發展的重要地球觀測技術之一，目前已在地物分類、目標識別、環境管理和礦產測繪等領域扮演重要角色，并成為促進國家經濟發展建設的重要手段。盡管高光譜影像包含豐富的光譜信息，但其存在“同物異譜，同譜異物”的現象，會造成分類圖像中嚴重的“椒鹽噪聲”誤分類。此外，高光譜影像的波段狹窄，每個通道接收的光能量較少，使得信噪比較低，部分波段噪聲嚴重，這給影像的解譯帶來了挑戰。因此，對高光譜數據進行有效的特征提取是必要的。

空間特征提取方法可以解決光譜變異性和波段噪聲等問題。它通過利用人工設計的算子或濾波窗口，與灰度圖像的像素進行計算，從而提取圖像中的上下文、紋理、形狀等多種特征，從而消除噪聲的影響。在高光譜影像中，一類被廣泛應用的空間特征提取方式是數學形態學方法，主要提取圖像的形狀特征。通過基本形態學運算，包括腐蝕、膨脹、開和閉操作，可以從圖像中提取對表達和描繪目標區域形狀有意義的圖像分量，如邊界和連通區域等。然而，該方法也存在一些缺點：如一系列的操作運算會帶來較高的計算復雜度，不同地物的形狀連通易造成混淆。此外，一些紋理特征提取方法，如灰度共生矩陣(GLCM)、Gabor濾波和局部二值模式(LBP)等，可以充分反應圖像在不同方向上的梯度變化，獲取空間相關性，但其精度通常有限。

二維奇異譜分析(2DSSA)是由N.Golyandina等人在2010年提出的一種矩陣分解算法，并闡述了其在圖像中的可應用性。J.Zabalza等人在2015年首次將2DSSA應用于高光譜影像，逐波段的進行空間特征提取，取得了優于一般空間技術的效果?；谄娈愔捣纸?SVD)，2DSSA可以將原始的灰度圖像分解為幾個子圖像，不同的子圖像包含空間趨勢、紋理、邊緣和噪聲等信息；通過選取合適的子圖像進行重構，可以獲得原始圖像的主要空間結構內容，并去除噪聲等影響成分。此外，它通過不同的嵌入窗口構造全圖對應的軌跡矩陣，可以同時包含圖像的局部和全局空間特征，很好的考慮了全局相關性。

然而，與其它廣泛應用的空間技術相似，2DSSA也存在一些缺點。首先，上述算法通常使用規則形狀或固定大小的窗口進行處理，忽略了影像地物形狀和尺度的復雜性，即用于空間特征提取的區域與圖像的空間結構不匹配。此外2DSSA通常選用最大奇異值對應的空間趨勢分量作為重構的特征圖像，但是其它奇異值也對應一些有用的信息，這就造成部分空間信息的丟失，主要表現為地物邊緣差異降低、紋理特征很少，圖像會因過于平滑而使得分類精度下降，尤其對于較小地物。為了對高光譜影像進行有效地空間特征提取，需要對該算法進行改進與提高。

發明內容

針對上述存在的問題，本發明旨在提供一種增強二維奇異譜分析的空間特征提取方法，該方法通過自適應嵌入窗口結合目標像素的鄰域信息，可以改善傳統2DSSA固定窗口造成的邊緣模糊、細節丟失和空間信息量少的問題，增強影像的特征提取效果，提高影像的地物分類精度。

為了實現上述目的，本發明所采用的技術方案如下：一種增強二維奇異譜分析的空間特征提取方法，其特征在于，包括以下步驟：

步驟一：基于自適應窗口的特征分解