[发明专利]一种基于低秩稀疏表达的高光谱图像可疑目标探测方法

说明书

本发明公开了一种基于低秩稀疏表达的高光谱图像可疑目标探测方法，包括：读入高光谱影像数据立方体以及相关的投影参数；对输入的高光谱图像中所有像元的光谱进行聚类，得到多个聚类中心和每个像元所属的类别；统计类内聚类结果，确定每个像元与所属类别的聚类中心的距离；选取所述距离最小的s个像元作为各类的描述样本点，加入到最终字典中去，形成场景遥感数据的重构字典；利用该重构字典，对高光谱影像数据进行低秩稀疏约束矩阵分解；对分解后的残差，进行残差统计；将残差值最大的T个像元及其对应的地面坐标，作为可疑目标输出。本发明的探测方法，对不同传感器采集的高光谱图像适应性好，具有较低的虚警率，对小目标仍有较高的检测能力。

技术领域

本发明涉及遥感图像目标检测方法，尤其涉及一种基于低秩稀疏表达的高光谱图像可疑目标检测方法，属于数字图像处理技术领域。

背景技术

高光谱图像(Hyperspectral image，HSI)是一种光谱范围从可见光到短波红外(0.4～2.5微米)，以数纳米的光谱分辨率采样，在几十到几百数量级的光谱波段图像。它利用窄波段的成像数据技术与光谱技术，探测目标的二维几何空间及一维光谱信息，获取光谱分辨率的连续、窄波段的图像信息。高光谱图像集样本的图像信息与光谱信息于一身。由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，所以高光谱图像可以反映探测目标的大小、形状、内部材质等品质特征，并进一步通过特定分析技术确定其内部的物理结构、化学成分。

目前基于高光谱图像进行可疑目标探测的方法主要有三种，分别是光谱比对法，统计分析法和稀疏表达法。光谱比对法需要对可疑目标的光谱进行建库，通过比对它们之间的相似度，从而确定可疑目标。统计分析法是通过统计背景区域的光谱特性，如均值、方差等，对背景进行建模，然后对区域内所有点进行比对从而侦测将可疑目标的方法。但是此方法对背景复杂区域建模的效果并不好，具有局限性。稀疏表达法通过建立区域内每个像素之间关系，从而将联系较为紧密的点设置为背景，而将较为边缘的区域设置为可疑目标。本发明正是分析以上方法的优缺点，研究一种基于矩阵低秩分解和稀疏表达方法来实现一种非监督的高光谱图像的可疑目标探测方法。

发明内容

本发明的主要目的是提供一种基于低秩分解和稀疏表达方法的高光谱图像可疑目标检测方法。该方法首先是载入高光谱影像和地理投影信息，接着对影像中的所有像元光谱进行重构字典的生成，然后利用重构的字典对高光谱影像矩阵进行稀疏低秩矩阵分解，得到每个像素点的残差量，最后统计残差量得到异常目标在影像中的位置。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于低秩稀疏表达的高光谱图像可疑目标探测方法，包括：

读入高光谱影像数据立方体以及相关的投影参数；

对输入的高光谱图像中所有像元的光谱进行聚类，得到多个聚类中心和每个像元所属的类别；

统计类内聚类结果，确定每个像元与所属类别的聚类中心的距离；

选取所述距离最小的s个像元作为各类的描述样本点，加入到最终字典中去，形成场景遥感数据的重构字典，s取值为大于0的整数；

利用该重构字典，对高光谱影像数据进行低秩稀疏约束矩阵分解；

对分解后的残差，进行残差统计；

将残差值最大的T个像元及其对应的地面坐标，作为可疑目标输出。

根据本发明的方法，优选的，所述高光谱影像图像的格包括：TIFF或者HDR格式，所述投影参数包括：投影参数、地理坐标转换参数。

根据本发明的方法，优选的，所述步骤(2)中，所述聚类采用K-means聚类，聚类的类数k由用户给定或自适应选择,k为大于等于0的整数。