[发明专利]一种基于张量光谱匹配滤波的高光谱图像目标检测方法

说明书

一种基于张量光谱匹配滤波的高光谱图像目标检测方法，本发明涉及涉及高光谱图像的目标检测。本发明的目的是为了解决现有高光谱图像目标检测方法中不能从三维数据整体进行信息挖掘，检测精度低的问题。过程为：一：建立张量表示下的目标和背景的信号表示模型；二：基通过给定的窗口大小，将待检测的高光谱图像转换成三阶张量的形式，建立基于局部邻域的空X‑空Y‑光谱‑样本四阶张量⁴D；三：求取⁴D的空X、空Y、光谱三个方向的协方差矩阵；四：得到映射后的新的三阶张量；五：分别计算目标光谱张量和空X‑空Y‑光谱三阶张量与映射后的新的三阶张量的内积，判定待检测高光谱图像的像元是否为检测目标。本发明用于数字图像处理领域。

技术领域

本发明涉及高光谱图像的目标检测。

背景技术

高光谱传感器通过上百个光谱通道获取地物的反射辐射信息，其波段范围覆盖了从可见光到近红外乃至长波红外区域，高光谱图像同时包含了地物的空间信息、反射或辐射信息以及光谱信息，其特性通常被称为“图谱合一”。而且，高光谱图像数据提供了近乎连续的光谱采样信息，可以记录地物在光谱上很小的反射差异。这个特性被称作地物的诊断特性，可以作为对地物进行分类和检测的依据。研究高光谱图像目标检测新技术，具有重要的理论意义和应用价值。在军事方面，可以揭露敌方目标的伪装、隐藏和欺骗。在民用方面，公共安全、食品安全、质量监控、森林着火点检测、失事点搜寻与营救等方面已经有重要应用。

现有典型的目标检测方法有基于有限冲积响应滤波器的约束能量最小化方法(constrained energy minimization，CEM)，正交子空间目标检测方法(orthogonalsubspace projection，OSP)，匹配子空间检测方法(matched subspace detector，MSD)等经典方法以及近几年提出的稀疏表示检测方法(sparse representation，SR)等。

当前目标检测主要利用光谱匹配特性，通过光谱匹配程度判断单点光谱的属性，并未充分考虑在高分条件下空间约束增强的特性，即局部相关性增大的特性，空间-光谱联合检测方法可以提高光谱和空间的利用能力，但一般的空间-光谱联合方法仅仅从光谱或空间的简单组合操作进行分析，而不能从三维数据整体进行信息挖掘，检测精度低。

张量(tensor)，即多维数组，更正式地说，一个N阶张量就是N个向量的张量积的结果。一个向量是一阶张量，一个矩阵是二阶张量，三阶或更高阶张量称为高阶张量。利用张量模型对图像进行表示，可以有效地利用图像的内在几何结构信息，大幅提升了遥感图像分类等的性能。目前基于张量表示的遥感图像处理方法已经成功应用到高光谱图像的分类和目标检测当中，并取得了更好的分类和检测结果。

发明内容

本发明的目的是为了解决现有高光谱图像目标检测方法中不能从三维数据整体进行信息挖掘，检测精度低的问题，而提出一种基于张量光谱匹配滤波的高光谱图像目标检测方法。

一种基于张量光谱匹配滤波的高光谱图像目标检测方法具体过程为：

步骤一：建立张量表示下的目标和背景的信号表示模型；

步骤二：基于步骤一得到的模型，通过给定的窗口大小，将待检测的高光谱图像转换成三阶张量的形式，得到待检测数据局部邻域的空X-空Y-光谱三阶张量，建立基于局部邻域的空X-空Y-光谱-样本四阶张量

步骤三：求取步骤二得到的基于局部邻域的空X-空Y-光谱-样本四阶张量的空X、空Y、光谱三个方向的协方差矩阵；

步骤四：对步骤三得到的三个方向上的协方差矩阵进行求逆，得到逆矩阵，利用得到的逆矩阵对待检测数据局部邻域的空X-空Y-光谱三阶张量进行张量子空间投影，得到映射后的新的三阶张量；