[发明专利]基于超像素联合稀疏表示的高光谱图像目标检测方法

权利要求书

1.基于超像素联合稀疏表示的高光谱图像目标检测方法，其特征在于：所述方法具体过程为：

步骤一：建立超像素约束下的目标和背景的信号联合稀疏表示模型；其具体过程为：

超像素约束下的目标H₁和背景H₀的信号联合稀疏表示模型为：

其中，x表示一个待检测的像素，A_b表示由背景样本组成的背景字典，S^b表示关于背景字典的稀疏系数矩阵，为关于背景字典第i个原子的权重，1≤i≤N_b，为背景字典中第i个原子，1≤i≤N_b，为关于目标字典第j个原子的权重，1≤j≤N_t，为目标字典中第j个原子，1≤j≤N_t，T为转置，A_t表示由目标样本组成的目标字典，S^t表示关于目标字典的稀疏系数矩阵，N_b和N_t分别表示背景字典和目标字典中的原子数，取值为正整数；

步骤二：基于步骤一获得的模型，利用图像超像素分割方法将待检测高光谱图像进行分割，分割的结果作为空间约束的先验信息；

具体包括下列步骤：

(1)种子点选取

将初始的模糊种子点定位于每个超像素块的中心，在模糊种子点周围M×M的邻域内计算每个超像素点的梯度值，将梯度值最小的超像素点设为初始种子点；

初始种子点seed(x_si′,y_si′)满足如下条件：

seed(x_si′,y_si′)的坐标带入梯度运算式{[I(x_si′+1,y_si′)-I(x_si′-1,y_si′)]²+[I(x_si′,y_si′+1)-I(x_si′,y_si′-1)]²}当中，所得到的结果最小，设(x_ci′,y_ci′)表示label为i′的超像素块的模糊中心点,那么在上式中x_si′∈{x_ci′-2,x_ci′+2}，y_si′∈{y_ci′-2,y_ci′+2}；

(2)计算超像素内各点到种子点间距离

在各个超像素块的种子点周2M×2M的邻域范围内计算各个像素到种子点的距离，距离计算综合考虑颜色距离与欧氏距离，计算公式如下：

其中，S为超像素块的步长；

(3)像素点聚类与标记

在种子点周围2S×2S区域内聚类能够保证各个像素点能够聚集到最佳的聚类中心，计算各个像素到种子点的距离,并将像素标记一个与其距离最小的种子点相同的labels，至此初始聚类标记步骤完成；

(4)更新种子点

基于区域的聚类分割算法多为迭代算法，一次聚类完毕之后要重新计算种子点供下一次聚类；

设聚类于种子点seed(x_si′,y_si′)的像素集合为{I(L_si′,A_si′,B_si′,x_si′,y_si′)}，像素个数为n_si′，一次聚类完毕之后更新的种子点为n_seed(l_si′,a_si′,b_si′,x_si′,y_si′)，其颜色特征值和坐标值等于具有相同labels的像素各项的平均值，即：

将原始种子点更新为新的种子点后判断两个种子点的l、a、b以及x、y是否相等，若相等表明聚类结果收敛,停止迭代,若不相等,以新的种子点作为聚类中心，重新计算距离，进行新一轮的聚类，并判断新种子点是否稳定，如此迭代直至各个聚类中心不再发生变化,这样就得到了初始的分割结果；

步骤三：利用获得的目标和背景样本建立目标字典A_t和背景字典A_b；其具体过程为：

(1)从待检测高光谱图像中利用真值图先验信息获取目标样本，并通过目标样本组成目标字典A_t；

(2)从待检测高光谱图像中利用真值图先验信息获取背景样本，并通过背景样本组成背景字典A_b；

步骤四：利用步骤三得到的目标字典A_t和背景字典A_b、步骤二得到的空间约束的先验信息和待检测高光谱图像，分别求取关于目标字典和背景字典的稀疏表示系数其具体过程为：

步骤四一：将步骤三得到的目标字典A_t和背景字典A_b、步骤二得到的空间约束的先验信息及待检测高光谱图像作为SOMP算法的输入；

所述SOMP算法为同步OMP算法，OMP为正交匹配追踪；

步骤四二：确定SOMP算法的稀疏度L的大小，L＜＜N_b+N_t；

步骤四三：利用SOMP算法求出SOMP算法的输出，SOMP算法的输出为过程为：

minimize||S||_row,0

subjectto||AS-X||_F≤σ

或

minimize||AS-X||_F

subjectto||S||_row,0≤K₀

式中，||S||_row,0表示稀疏系数矩阵S中非零列的数目，σ表示容错误差，K₀表示稀疏度上边界，A为目标字典A_t和背景字典A_b的级联，X为待检测图像超像素中所有像素形成的矩阵，||·||_F为Frobenius范数，minimize为把||S||_row,0减至最低数量，subjectto为使服从，稀疏系数矩阵S包括S^b和S^t，SOMP算法求出的包括和表示利用SOMP算法求得的关于目标字典的稀疏系数，表示利用SOMP算法求得的关于背景字典的稀疏系数；

步骤五：基于步骤四得到的稀疏表示系数，分别计算待检测高光谱图像数据X与用背景字典A_b表示恢复的数据的误差r_b(x)和待检测高光谱图像数据X与用目标字典A_t表示恢复的数据的误差r_t(x)，依据误差的大小，判定待检测高光谱图像的像元是否为检测目标；其具体过程为：

步骤五一：计算待检测高光谱图像数据X与用背景字典A_b表示恢复的数据的误差

步骤五二：计算待检测高光谱图像数据X与用目标字典A_t表示恢复的数据的误差

步骤五三：通过信号稀疏表示检测理论中的残差检验模型得到超像素联合稀疏表示下的检测模型，计算得到检测结果；

超像素联合稀疏表示下的检测模型如下：

其中，D(x)表示待检测高光谱图像中像元的检测结果，r_b(x)和r_t(x)分别表示用背景字典表示的误差和用目标字典表示的误差，||·||_F表示Frobenius范数；

设定阈值为η，如果D(x)＞η，则将待检测高光谱图像的像元确定为目标H₁，否则认为待检测高光谱图像的像元是背景H₀。