[发明专利]基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法

说明书

基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，属于高光谱遥感图像目标识别领域，本发明为解决现有对高光谱图像进行目标识别处理时存在信息浪费，进而导致目标识别精度较低的问题。本发明目标识别方法的具体过程为：步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。本发明用于对空谱联合高光谱图像的目标识别。

技术领域

本发明涉及一种空谱联合高光谱图像的目标识别方法，属于高光谱遥感图像目标识别领域。

背景技术

高光谱数据由成像光谱仪经过大气等环境收集地物的空间信息和光谱信息。在收集传输过程中，大气、光照以及仪器等因素会造成高光谱数据的损伤降质，最常见的降质即为噪声影响。这种影响会导致获取的图像辨识度不高，降低目标识别精度，因此对高光谱数据进行目标识别之前有必要对数据进行恢复处理。高光谱数据具有丰富的光谱信息，且其谱间分辨率要高于空间分辨率，因此在进行目标识别处理时，会造成关注光谱信息过多而忽视空间信息，造成信息的浪费。

发明内容

本发明目的是为了解决现有对高光谱图像进行目标识别处理时存在信息浪费，进而导致目标识别精度较低的问题，提供了一种基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法。

本发明所述基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，该目标识别方法的具体过程为：

步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；

步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；

步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。

本发明的优点：本发明提出的基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法充分利用了高光谱图像光谱的低秩性，以及高光谱数据的空间信息和光谱信息，提高目标识别精度。首先通过低秩矩阵恢复方法对图像进行原图与噪声的分离，之后利用有约束能量最小化方法对高光谱数据的光谱进行目标光谱的匹配，最后从空间角度利用不变矩特征对光谱匹配的结果进行识别，进一步滤除虚警，提高目标识别性能。本发明提出在低秩矩阵恢复的基础上利用有约束能量最小化方法和不变矩特征匹配的高光谱目标识别方法来提高目标识别精度。

附图说明

图1是本发明所述基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法的原理图。

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，该目标识别方法的具体过程为：

步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；

步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；

步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。

具体实施方式二：本实施方式对实施方式一作进一步说明，步骤1所述通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离的具体过程为：

步骤1-1、从数据的空间角度将高光谱数据立方按照顺序进行分块，作为低秩矩阵恢复方法的输入；

步骤1-2、采用低秩矩阵恢复方法对高光谱数据进行分离恢复；

步骤1-3、采用增广拉格朗日算法对低秩恢复进行优化处理，获得优化后的恢复结果。