[发明专利]一种基于空谱核稀疏表示的高光谱图像目标检测方法

说明书

技术领域

本发明涉及一种基于空谱核稀疏表示的高光谱图像目标检测方法。

背景技术

高光谱图像目标检测作为高光谱图像处理领域热点问题，长期以来受到各国专家学者以及工程技术人员的广泛关注。高光谱图像具有较高的分辨率，图像提供能够区别地物光谱差别的能力，因此可以利用高光谱图像进行目标检测。目标检测作为高光谱领域的研究重点，一直受到学术界关注。目标检测的实质即将图像像元标记为目标或背景。常见的目标检测方法包含支持向量机(support vector machines,SVM)、光谱匹配滤波(spectral matched filter,SMF)、匹配子空间(matched subspace detector,MSD)和自适应子空间检测(adaptive subspace detector,ASD)等。SVM方法是一种非常有效的处理非线性信号的方法，它将信号映射到一个新的特征空间，在新的空间中能够更加容易和明显地区分不同的信号，该方法在高光谱图像处理中取得了很好的效果。然而，SVM方法易受不同核函数选取的影响。此外，还有许多利用统计量进行假设检测的检测方法，如SMF等，它们都需要对高光谱图像像元光谱的数学分布进行假设，分布模型的准确度对检测结果的影响巨大。基于稀疏表示的高光谱目标检测方法检测性能优于传统的高光谱目标检测方法，此方法假设目标信息与背景信息坐落于不同子空间，检测样本能够由过完备字典及与其对应的少量稀疏向量线性表示，通过正交匹配追踪算法求解稀疏向量，进行光谱重构，从而根据重构误差检测图像中的目标像元。稀疏表示方法在高光谱图像目标检测中取得了较好的检测效果，但其只利用了图像的光谱信息，忽视了高光谱数据中潜在的空间信息。另外，虽然基于稀疏表示的高光谱目标检测方法具有较好的检测性能，但对于非线性高光谱数据，其检测效果不理想。

发明内容

本发明目的在于提供一种基于空谱核稀疏表示的高光谱图像目标检测方法，能够有效提高高光谱图像目标检测的精度。

实现本发明目的技术方案：

一种基于空谱核稀疏表示的高光谱图像目标检测方法，其特征在于:

步骤1：确定待检测窗口大小，利用空谱核函数映射非线性高光谱数据到线性空间；

步骤2：根据给定的过完备字典，利用同步正交匹配追踪算法，计算映射后高光谱数据的稀疏系数；

步骤3：分别计算基于背景过完备字典重建的像元重建误差和基于目标过完备字典重建的像元重建误差，依据误差大小，判定像元是否为检测目标；

步骤4：重复步骤3，直至遍历图像中每一个像元，最终输出目标图像。

步骤1中，包括以下步骤，

步骤1.1：读入高光谱数据图像的大小为m×n，每个像素有B个波段特征，x_i,j为样本数据集合X中的样本，R^B代表B维特征空间，初始值l,空矩阵Φ；

步骤1.2：选择空谱核函数NFK或MFK及函数中包含参数，初始化窗口大小为窗W，设置窗口中心像元x_i,j，遍历图像中每一个像元；

步骤1.3：计算当前窗中所有像元光谱与中心像元x_i,j的光谱的均值或方差；利用K_NF(x_i,x_j)＝＜NF(ψ(x_i)),NF(ψ(x_j))＞或K_MF(x_i,x_j)＝＜MF(ψ(x_i)),MF(ψ(x_j))＞映射原始高光谱数据至新线性空间，直到遍历图像中所有像元，ψ表示将非线性空间投影到线性空间的投影函数；

步骤1.4：将映射后的数据转换为一个矩阵M，大小为N×B，N＝m×n，N为原始图像数据中像元的个数。

步骤2中，包括以下步骤，

步骤2.1：对于一个给定的训练样本字典并且是一个只有K个非零行的稀疏矩阵，

步骤2.2：更新空矩阵,

步骤2.3：计算新稀疏系数,逐步迭代求残差:

其中，||||_F表示Frobenius范数，通过同步正交匹配追踪算法求解当重建残差|ψ(x)-D_ψα'||_F最小时的

步骤3中，包括以下步骤，