[发明专利]高光谱图像的目标检测方法、装置、设备及存储介质

说明书

本发明涉及一种高光谱图像的目标检测方法、装置、设备及存储介质。该方法包括：获取待检测的高光谱图像数据；利用分数傅里叶变换及约束能量最小化对高光谱图像数据进行粗搜索，得到初级阶次；在初级阶次的基础上，利用利用分数傅里叶变换及约束能量最小化进行精搜索，得到最优阶次；在最优阶次的范围内进行高光谱目标检测。采用上述方法或装置或设备通过基于分数阶傅里叶变换约束能量最小化算法进行粗搜索和精搜索，极大地提高了目标检测效率及准确率。

技术领域

本发明涉及高光谱图像处理技术领域，具体涉及一种高光谱图像的目标检测方法、装置、设备及存储介质。

背景技术

近年来随着人们生活水平的提高、人类社会的进步，空中、地面、涉海、用海等活动越来越多，在这些领域的目标搜救任务也已成为国家应急救援体系的重要组成部分，是国家快速发展的重要保障。搜救具有更多的不可预见性，导致搜救难度的加大。随着传感器技术和光学设计技术等的发展，航空成像技术进入到能快速、动态、准确描述多类型观测数据的新阶段。将上述技术应用到搜救领域，可降低搜救难度。

目前的搜救设备主要有雷达、机载光电成像系统等，机载光电成像系统作为获取航空图像的重要手段，越来越受到人们的重视。但以上成像设备存在局限性，对比度较差，且细节表现不丰富。因此近年来，国内外学者多年的研究，提出了许多高光谱目标检测算法。高光谱目标检测算法又分为无先验信息的目标检测和有先验信息的目标检测。其中，无先验信息的目标检测主要包括两种算法：RX(Reed-Xiaoli，RX)探测方法和核RX(kernelRX，KRX)探测方法。RX 使用整个高光谱影像来估计背景协方差矩阵。KRX将原始RX模型表示在高维特征空间中，新特征空间中的决策区域比原始输入空间更为复杂。有先验信息的目标检测的检测算法有匹配滤波器、光谱匹配滤波器、自适应余弦估计、约束能量最小化(constrained energy minimization，CEM)。这些方法假设背景像素具有相同的协方差结构，但在两个假设下的均值不同，并采用极大似然比检测 (generalized likelihoodratio test，GLRT)。基于非线性光谱的目标检测算法主要有核方法和流形学习等，这些方法计算复杂度较高，检测效率低。总之，以上基于原始光谱特征的检测算法缺乏对目标信号的增强和背景抑制能力，目标检测性能还需改进。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种高光谱图像的目标检测方法、装置、设备及存储介质。

为实现以上目的，本发明采用如下技术方案：

一种高光谱图像的目标检测方法，包括：

获取待检测的高光谱图像数据；

利用分数傅里叶变换及约束能量最小化对所述高光谱图像数据进行粗搜索，得到初级阶次；

在所述初级阶次的基础上，利用分数傅里叶变换及约束能量最小化进行精搜索，得到最优阶次；

在所述最优阶次的范围内进行高光谱目标检测。

可选的，所述利用分数傅里叶变换及约束能量最小化对所述高光谱图像数据进行粗搜索，得到初级阶次，包括：

利用所述分数傅里叶变换对所述高光谱图像数据进行处理，得到变换域；

在所述变换域的基础上进行约束能量最小化处理，得到目标图像；

对所述目标图像结合ROC曲线下面积大小进行计算，得到所述初级阶次。

可选的，所述在所述变换域的基础上进行约束能量最小化处理，得到目标图像，包括：

根据所述高光谱图像数据计算对应的相关矩阵；

根据所述相关矩阵计算滤波系数；

利用所述滤波系数结合所述高光谱图像数据和预设目标光谱计算，得到目标图像。