[发明专利]高光谱遥感图像水下目标检测方法、装置及计算机设备

权利要求书

1.一种高光谱遥感图像水下目标检测方法，其特征在于，所述方法包括：

获取高光谱遥感水体图像；并根据所述高光谱遥感水体图像，采用多种不同的高光谱解混算法，得到不同的端元；

根据所述不同的端元，以光谱距离为度量采用聚类算法，得到融合后端元；并对所述融合后端元进行分类，得到水体端元和目标-水体混合端元；

构建目标检测网络，所述目标检测网络包括编码器网络和解码器网络；所述编码器网络包括一维卷积神经网络；所述解码器网络包括全连接层网络；

将所述目标-水体混合端元输入到所述编码器网络，输出非线性的卷积光谱特征；

将所述非线性的卷积光谱特征输入到所述解码器网络中，输出重构光谱曲线向量；

将重构光谱曲线向量和对应的输入目标-水体混合端元之间的差异作为目标函数，加入特定水体模型约束，采用梯度下降法对所述目标检测网络进行训练，得到训练好的目标检测网络；

获取待测高光谱遥感水体图像；

对所述待测高光谱遥感水体图像进行处理，并将处理后得到的待测目标-水体混合端元输入到训练好的目标检测网络中，得到最终的水下目标检测结果。

2.根据权利要求1所述的方法，其特征在于，获取高光谱遥感水体图像；并根据所述高光谱遥感水体图像，采用多种不同的高光谱解混算法，得到不同的端元，包括：

获取高光谱遥感水体图像；

根据所述高光谱遥感水体图像，采用通过顶点成分分析算法，得到顶点成分分析端元；

根据所述高光谱遥感水体图像，采用混合像元分解算法，得到混合像元分解端元；

根据所述高光谱遥感水体图像，采用纯元指数算法，得到纯元指数端元。

3.根据权利要求1所述的方法，其特征在于，根据所述不同的端元，以光谱距离为度量采用聚类算法，得到融合后端元；并对所述融合后端元进行分类，得到水体端元和目标-水体混合端元，包括：

根据所述不同的端元，计算得到不同端元之间的光谱信息散度；

根据所述不同的端元，以所述光谱信息散度作为度量，并采用学习向量量化算法，得到多个簇；

以端元对应的丰度值为权重系数通过加权求和将同一簇中的所有端元进行融合，得到融合后端元；所述融合包括对丰度值、丰度图和端元曲线的融合；

根据融合后端元所对应的丰度值，对融合后端元进行分类，得到水体端元和目标-水体混合端元。

4.根据权利要求1所述的方法，其特征在于，所述编码器网络包括：一维卷积层和池化层；

将所述目标-水体混合端元输入到所述编码器网络，输出非线性的卷积光谱特征，包括：

将所述目标-水体混合端元输入到一维卷积层，并对提取到的特征进行批量归一化操作，得到归一化特征；所述一维卷积层为感受野大小为1×3、步长为1、补零个数大小为1的一维卷积层；

将所述归一化特征输入到池化层，进行采样步长为2下采样操作，得到非线性的卷积光谱特征。

5.根据权利要求1所述的方法，其特征在于，将重构光谱曲线向量和对应的输入目标-水体混合端元之间的差异作为目标函数，加入特定水体模型约束，采用梯度下降法对所述目标检测网络进行训练，得到训练好的目标检测网络，包括：

根据重构光谱曲线向量和对应的输入目标-水体混合端元，采用二范数计算，得到重构光谱曲线向量和对应的输入目标-水体混合端元之间的差异；

将重构光谱曲线向量和对应的输入目标-水体混合端元之间的差异作为目标函数；

根据解码器网络权重与预设参考水体曲线，得到与预设参考水体曲线距离较近的权重向量；

根据所述权重向量和预设参考水体曲线，计算得到所述权重向量到所述预设参考水体曲线的距离，并将所述距离作为目标函数的约束项；

根据所述目标函数和所述约束项，采用梯度下降法，对目标检测网络进行训练直至收敛或者达到预定训练轮数，得到训练好的目标检测网络。