[发明专利]一种高光谱图像显著度图构造方法

权利要求书

1.一种高光谱图像显著度图构造方法，包括提取初级视觉光谱特征步骤、计算数据驱动显著度步骤、提取目标光谱先验特征步骤、计算先验驱动显著度步骤和形成综合显著度步骤，其特征在于：

(1)提取初级视觉光谱特征步骤：

提取高光谱图像I的初级视觉光谱特征，高光谱图像I的大小为M×N，波段数为L；初级视觉光谱特征包括光谱能量DF₁(x，y)、光谱极值DF₂(x，y)和光谱结构DF₃(x，y)；包括下述子步骤：

(1.1)计算光谱能量：对于高光谱图像中的每个像元I(x，y)，其光谱能量DF₁(x，y)为像元在光谱各波段的能量总和：

其中，I_l(x，y)为像元I(x，y)在第l波段的辐射强度；所有像元的光谱能量构成光谱能量图DF₁；

(1.2)计算光谱极值：所述光谱极值DF₂(x，y)为该像元所有波段中辐射强度的最大值：

DF₂(x，y)＝max{I_l(x，y)，(l＝1，...，L)}；

所有像元的光谱极值构成光谱极值图DF₂；

(1.3)计算光谱结构：所述光谱结构DF₃(x，y)为一个1×L的矢量，用于描述像元在不同波段的能量分布，采用归一化处理后，DF₃(x，y)为：

DF3(x,y)=[I1(x,y)DF2(x,y),...,IL(x,y)DF2(x,y)];]]>

所有像元的光谱结构构成光谱结构图DF₃；DF_t总称为特征图，t＝1，2，3；

(2)计算数据驱动显著度步骤，包括下述子步骤：

(2.1)计算像素权重：

对特征图DF_t，计算特征图DF_t中每个像素df(x，y)与其它像素df(p，q)间的权重w((x，y)，(p，q))：

w((x，y)，(p.q))＝d((x，y)，(p，q))·f((x，y)，(p，q))；

其中，d((x，y)，(p，q))为两像素间的初级视觉光谱特征的差异性，采用欧氏距离来度量；

f((x，y)，(p，q))为像素间的特征差异性的距离衰减函数，表示两个像素距离越远，受另一个像素的影响作用越小；

f((x,y),(p,q))=exp{-(x-p)2+(y-q)22α2};]]>

自由参数α为原始图像宽度M的1/30～1/10；

(2.2)计算特征图的全局显著度和局部显著度：

特征图DF_t中当前像素df(x，y)的全局显著度S_t，g(x，y)为该像素和特征图中其他所有像素权重的总和：

St,g(x,y)=Σp=1MΣq=1Nw((x,y),(p,q));]]>

特征图DF_t中当前像素df(x，y)的局部显著度S_t，l(x，y)：

St,l(x,y)=1/(18Σi=18(xi-x‾)2);]]>

其中，x_i为当前像素的8邻域像素的像素值，为8邻域像素的像素值均值；

(2.3)计算各特征图的显著度：

在获得各特征图每个像素的全局显著度与局部显著度后，再进行显著性融合，对于特征图DF_t，当前像素显著度为：

SDFt(x,y)=St,g(x,y)·St,l(x,y);]]>

(2.4)计算数据驱动显著度：

最后对各特征图当前像素的显著度进行融合，获得当前像素数据驱动显著度S_down(x，y)：

Sdown(x,y)=Σt=13SDFt(x,y);]]>

每个像素数据驱动显著度S_down(x，y)构成数据驱动显著度图S_down；

(3)提取目标光谱先验特征步骤，包括下述子步骤：

(3.1)令目标光谱为T(l)，l为波段号，l＝1，...，L。首先采用包络线去除算法获得目标光谱的吸收谷对应的波段号BV(j)，j＝0，...，K-1，比较各吸收谷的辐射强度，记辐射强度最小的吸收谷对应的波段号为Bmin；j为吸收谷的序号，K为吸收谷的个数；

(3.2)然后在相邻两个吸收谷间寻找光谱局部极大值所在的波段号作为波峰位置BP(k)，k＝1，...，K，记辐射强度最大的波峰所在的波段号为Bmax；k为波峰的序号；

(3.3)计算目标光谱先验吸收特征TFA(k)和目标光谱先验最大峰谷比特征TFB：

TFA(k)＝T(BP(k))-min{T(BV(k-1)，T(BV(k)}，k＝1，...，K；

TFB＝T(Bmin)/T(Bmax)；

目标光谱先验吸收特征和目标光谱先验最大峰谷比特征构成目标光谱先验特征；

(4)计算先验驱动显著度步骤，包括下述子步骤：

(4.1)提取高光谱图像当前像元(x，y)在目标光谱所有波峰位置BP(k)所对应波段号的光谱吸收特征IFA(x，y，k)和目标光谱最大峰谷比特征IFB(x，y)：

IFA(x,y,k)=IBP(k)(x,y)-min{IBV(k-1)(x,y),IBV(k)(x,y)}IFB(x,y)=IBmin(x,y)/IBmax(x,y);]]>

其中，I_l(x，y)为像元I(x，y)在第l波段的辐射强度；

(4.2)计算高光谱图像各像素的先验吸收特征显著度S_TFA(x，y，k)和先验最大峰谷比特征显著度S_TFB(x，y)：

STFA(x,y,k)=exp{-(IFA(x,y,k)-TFA(k))22σ2}STFB(x,y)=exp{-(IFB(x,y)-TFB)22σ2};]]>

式中，σ为高斯参数，0.05≤σ≤0.2；

(4.3)计算先验驱动显著度：

对各像素彼此独立的先验特征进行综合，得到各像素先验驱动显著度：

Stop(x,y)=Σk=1KSTFA(x,y,k)×STFB(x,y);]]>

各像素先验驱动显著度构成先验驱动显著度图S_top；

(5)计算综合显著度步骤：

对各像素数据驱动显著度和先验驱动显著度进行融合，形成各像素综合显著度S_total(x，y)：

S_total(x，y)＝P(TFA(1))P(TFA(2))...P(TFA(K))P(TFB)S_downS_top；

式中P(TFA(k))，k＝1，2，...，K，分别为特征TFA(k)的概率分布；

S_total(x，y)的值越大，表示像素位置越显著，其为目标的可能性越大，所有像素的综合显著度共同构成综合显著度图S_total。

2.如权利要求1所述的高光谱图像显著度图构造方法，其特征在于：

所述子步骤(3.1)中，采用包络线去除算法获得目标光谱吸收谷的波段位置，包括下述过程：

(A)通过求导，得到目标光谱曲线上所有极大值点，然后比较大小，得到这些极大值点中的最大值点；

(B)以最大值点作为包络线的一个端点，计算该端点与波长增加方向上各极大值点连线的斜率，以斜率最大的连线所对应的极大值点作为包络线的下一个端点；

(C)以过程(B)所得到的下一个端点为端点，重复过程(B)，直到目标光谱曲线的最后一个极大值点；

(D)以最大值点作为包络线的一个端点，向波长减少的方向进行与过程(B)、(C)相同的计算，以斜率最小的连线所对应的极大值点作为包络线的下一个端点，直到光谱曲线的第一个极大值点；

(E)依次连接所有端点，形成包络线；

(F)以包络线上相应波段的反射率值除以实际光谱反射率，得到归一化后的光谱曲线；

(G)在归一化后的光谱曲线上，对所有相邻两个端点，找出其中的极小值，极小值所对应的波段号为目标光谱吸收谷对应的波段号。