[发明专利]基于小波变换和非线性变换的红外光谱波段特征增强方法

说明书

本发明涉及红外光谱波段特征增强方法，具体涉及一种基于小波变换与非线性变换的红外光谱波段特征增强方法。提供了一种在红外光谱波段特征增强过程中，可有效抑制红外光谱图像中背景杂波干扰的方法。本发明的步骤为：一、利用皮尔逊相关系数计算红外光谱图像相邻波段之间的相关性，选择两对皮尔逊相关系数绝对值最小的相邻波段并以此为分解节点对红外光谱图像进行子空间分解。二、分别对三个子空间进行小波分解，得到三个系数空间。三、分别对三个系数空间进行非线性变换，得到特征增强后的红外光谱波段。本发明突出了待识别光谱与标准光谱间微小的光谱特征差异，可有效抑制背景杂波干扰，适用于红外多光谱或高光谱数据目标探测应用。

技术领域

本发明涉及红外光谱波段特征增强方法，具体涉及基于小波变换和非线性变换的红外光谱波段特征增强方法。

背景技术

红外光谱对复杂背景光照条件下的微弱模板信号探测有独特的优势。由于红外传感器在测量过程中，不可避免地会引入光电信号噪声，同时，外在物理环境因素，包括大气透光性、外界温湿度条件等的变化均会对传感器的光谱数据采集带来干扰，同样会带来光谱信息测量上的影响，导致采集数据与真实光谱数据之间存在误差。因此在获得目标点原始光谱序列信息后，需进行必要的相关预处理工作，去除原始光谱信号中有害的噪声分量，同时尽可能保留信号中便于识别分析的有用成分，为接下来能够准确提取目标点光谱信息并进行相应的分析提供良好的条件。

在近数十年的发展中，红外探测技术取得了长足进步，然而时至今日，各种红外探测识别系统的性能仍然难以满足现实应用的需求，造成这种情况的一个重要原因在于目前的系统仍然难以适应各种复杂环境变化，不同的环境下即使是同一物质其光谱曲线也会有很大的差异，从而导致探测系统漏报率与虚警率居高不下，难以满足实际需求。因此，增强系统的鲁棒性是推动其走向现实应用的关键。在短波红外波段采用特征增强的方法，通过综合不同时刻不同波段的光谱辐射信息，对获得的待识别光谱进行分析与处理，进而获得一个能够在各个模型中均能准确表示目标光谱特性的通用光谱是亟待解决与完善的。

在对图像的分类精度要求很高的时候。我们采用子空间分解的方法对红外光谱图像进行分解，即根据红外光谱图像不同波段间的相关特性，将红外光谱全波段自适应地分解成较小的子空间。在每一个子空间中，波段间具有较强的相关性，本发明采用皮尔逊相关性公式对相邻波段的相关性进行计算。

在红外光谱目标识别过程中，待识别光谱与标准光谱间的特征差异有时会显得很小，若不采用特殊手段来增强这些微弱的光谱差异而直接应用识别判据进行处理，极易引起误判，导致算法性能下降。因此本发明首先对红外光谱进行子空间分解，然后对各个子空间进行小波分解，保留了红外光谱细微的特征变化，最后利用非线性变换对分解得到的系数空间进行特征增强，突出待识别光谱与标准光谱间微小的特征差异，这样就实现了对整个红外光谱波段特征增强。本发明能够很好地分辨出不同地物间微小的光谱特征差异，同时能够有效地抑制图像中背景的杂波干扰。

发明内容

本发明的目的在于提出基于小波变换和非线性变换的红外光谱波段特征增强方法，提供了一种对红外光谱波段子空间进行小波变换与非线性变换，从而对整个红外光谱波段进行特征增强的方法。它能有效地抑制红外光谱图像中的背景杂波干扰。

本发明的目的是通过以下技术方案实现的：利用皮尔逊相关系数计算红外光谱图像相邻波段之间的相关性，选择两对皮尔逊相关系数绝对值最小的相邻波段并以此为分解节点对红外光谱图像进行分解，生成三个子空间。分别对三个子空间进行小波分解，得到三个系数空间。再分别对三个系数空间进行非线性变换，达到对整个红外光谱波段特征增强的目的。

本发明的流程图如图1所示，共分为三个步骤，具体步骤如下：

步骤一：计算红外光谱图像相邻波段之间的相关性并进行子空间分解。

1）读入红外光谱图像，选择皮尔逊相关系数计算红外光谱图像相邻波段之间的相关性。