[发明专利]采用时谱空一体化特征模型的点源风险源自动提取方法

摘要

本发明公开了一种采用时谱空一体化特征模型的点源风险源自动提取方法，包括：步骤1，生成关键谱空子立方体；步骤2，提取谱空目标子立方体；步骤3，建立时谱空一体化特征模型，提取子点源风险源；步骤4，子点源风险源区域合并，实现点源风险源的自动提取；本发明有效地充分利用时、谱、空数据，建立一体化特征模型，更准确有效地实现点源风险源形状和类型的自动提取；建立高光谱遥感图像的时谱空一体化特征模型，该模型充分考虑了点源风险源遥感数据中时、空、谱特征的整体关系，分析它们之间相互作用和相互影响的概率图模型关系，有效地实现点源风险源的自动提取，提高点源风险源自动提取的精度和自动化程度。

主权项

1.采用时谱空一体化特征模型的点源风险源自动提取方法，其特征在于：包括以下几个步骤：步骤1，生成关键谱空子立方体：采用主成分分析方法，获取T个时相高光谱遥感图像中Ti时相的固定I个关键幅高光谱遥感图像，生成关键谱空子立方体；其中T的范围设置在6～12之间，I的范围设置在12～30之间，Ti的范围设置在1‑T之间；步骤2，提取谱空目标子立方体：用一个尺寸为h×k×I滑窗Im在整个关键谱空子立方体的第一幅图像平面内滑动，其中：h代表空间行数，k代表空间列数，I代表光谱维数，即步骤1中的I值，h＝k＝2n，n的范围设置在3～5之间，计算滑窗内像素的三维梯度，如公式(1)所述：其中，i,j,r表示像素的坐标，x,y,z表示方向的坐标，dx,dy,dz表示x,y,z方向的梯度；dx(i,j,r)是(i,j,r)位置像素在x方向的梯度；dy(i,j,r)是(i,j,r)位置像素在y方向的梯度；dz(i,j,r)是(i,j,r)位置像素在z方向的梯度；将滑窗内的梯度G(x,y,z)的最大值作为谱空兴趣点，滑窗Im在整个图像平面内滑动，将获得全部谱空兴趣点，将全部谱空兴趣点描绘成一幅谱空兴趣点图像，在该谱空兴趣点图像平面执行谱空区域生长法，进行谱空区域生长完成谱空区域分割；所述谱空区域生长法即以谱空兴趣点作为生长的起点，计算谱空兴趣点与平面4邻域或8邻域谱空兴趣点的相似度，如果相似度小于设定的阈值，其中阈值设置在0.2～0.4之间，则以该谱空兴趣点为中心的区域向其邻域继续生长，直到没有满足条件的像素可以包括进来，区域生长停止；区域生长结束后，得到若干风险区域，根据这些风险区域的空间形状，将其投影到与之对应的具有全部光谱维数的高光谱遥感影像中，即得到若干谱空目标子立方体；步骤3，建立时谱空一体化特征模型，提取子点源风险源：采用词袋的特征描述和稀疏编码，得到谱空目标子立方体的谱空低维特征向量描述符；将全部时相数据构成T个典型时序，采用概率图的DBN网络进行时谱空一体化特征模型的训练和谱空目标子立方体的属性识别，即自动提取子点源风险源；步骤4，子点源风险源区域合并，实现点源风险源的自动提取：由于谱空区域生长法规则非常严格，导致分割得到的谱空目标子立方体是子点源风险源，即谱空目标子立方体是点源风险源的一部分或全部；因此，在完成属性分类后，需要进行区域合并完成点源风险源的自动提取；所述区域的合并规则为：同属性并近邻原则：只有同时满足以下两点合并规则的谱空目标子立方体才能区域合并：第一，两个子点源风险源近邻；第二，同属于某点源风险源，同时结合知识，更新样本模型的形状信息，完成形状的逐步更新和适应，最终实现点源风险源的自动提取。