[发明专利]一种增强二维奇异谱分析的空间特征提取方法

说明书

本发明公开了一种增强二维奇异谱分析的空间特征提取方法，利用像素的局部相似性来增强空间特征提取效果。基于传统2DSSA，本发明提出一种改进的自适应窗口来代替固定窗口，结合目标像素的邻域相似性实现嵌入过程，得到具有低秩性的轨迹矩阵；对该低秩性轨迹矩阵进行奇异值分解，由其得到的最大奇异值，比固定窗口得到的最大奇异值更大，并且在所有奇异值中占比更高，对应更多的空间信息；将最大奇异值对应的空间子成分作为特征进行重构，得到最终的特征成分，该成分在增强空间结构信息的同时，去除了噪声等影响成分。本发明能够解决高光谱影像中空间尺度多样、噪声等问题，克服传统2DSSA方法的不足，增强影像的特征提取效果，提高影像的地物分类精度。

技术领域

本发明属于遥感影像处理技术领域，尤其涉及一种增强二维奇异谱分析的空间特征提取方法。

背景技术

随着传感器和卫星技术的进步，高光谱遥感成为近30年来获得迅速发展的重要地球观测技术之一，目前已在地物分类、目标识别、环境管理和矿产测绘等领域扮演重要角色，并成为促进国家经济发展建设的重要手段。尽管高光谱影像包含丰富的光谱信息，但其存在“同物异谱，同谱异物”的现象，会造成分类图像中严重的“椒盐噪声”误分类。此外，高光谱影像的波段狭窄，每个通道接收的光能量较少，使得信噪比较低，部分波段噪声严重，这给影像的解译带来了挑战。因此，对高光谱数据进行有效的特征提取是必要的。

空间特征提取方法可以解决光谱变异性和波段噪声等问题。它通过利用人工设计的算子或滤波窗口，与灰度图像的像素进行计算，从而提取图像中的上下文、纹理、形状等多种特征，从而消除噪声的影响。在高光谱影像中，一类被广泛应用的空间特征提取方式是数学形态学方法，主要提取图像的形状特征。通过基本形态学运算，包括腐蚀、膨胀、开和闭操作，可以从图像中提取对表达和描绘目标区域形状有意义的图像分量，如边界和连通区域等。然而，该方法也存在一些缺点：如一系列的操作运算会带来较高的计算复杂度，不同地物的形状连通易造成混淆。此外，一些纹理特征提取方法，如灰度共生矩阵(GLCM)、Gabor滤波和局部二值模式(LBP)等，可以充分反应图像在不同方向上的梯度变化，获取空间相关性，但其精度通常有限。

二维奇异谱分析(2DSSA)是由N.Golyandina等人在2010年提出的一种矩阵分解算法，并阐述了其在图像中的可应用性。J.Zabalza等人在2015年首次将2DSSA应用于高光谱影像，逐波段的进行空间特征提取，取得了优于一般空间技术的效果。基于奇异值分解(SVD)，2DSSA可以将原始的灰度图像分解为几个子图像，不同的子图像包含空间趋势、纹理、边缘和噪声等信息；通过选取合适的子图像进行重构，可以获得原始图像的主要空间结构内容，并去除噪声等影响成分。此外，它通过不同的嵌入窗口构造全图对应的轨迹矩阵，可以同时包含图像的局部和全局空间特征，很好的考虑了全局相关性。

然而，与其它广泛应用的空间技术相似，2DSSA也存在一些缺点。首先，上述算法通常使用规则形状或固定大小的窗口进行处理，忽略了影像地物形状和尺度的复杂性，即用于空间特征提取的区域与图像的空间结构不匹配。此外2DSSA通常选用最大奇异值对应的空间趋势分量作为重构的特征图像，但是其它奇异值也对应一些有用的信息，这就造成部分空间信息的丢失，主要表现为地物边缘差异降低、纹理特征很少，图像会因过于平滑而使得分类精度下降，尤其对于较小地物。为了对高光谱影像进行有效地空间特征提取，需要对该算法进行改进与提高。

发明内容

针对上述存在的问题，本发明旨在提供一种增强二维奇异谱分析的空间特征提取方法，该方法通过自适应嵌入窗口结合目标像素的邻域信息，可以改善传统2DSSA固定窗口造成的边缘模糊、细节丢失和空间信息量少的问题，增强影像的特征提取效果，提高影像的地物分类精度。

为了实现上述目的，本发明所采用的技术方案如下：一种增强二维奇异谱分析的空间特征提取方法，其特征在于，包括以下步骤：

步骤一：基于自适应窗口的特征分解