[发明专利]基于变分自编码网络的高光谱图像目标检测方法

摘要

本发明提出了一种基于变分自编码网络的高光谱图像目标检测方法，主要解决现有技术中存在的检测精度较低的技术问题，包括如下步骤：获取待检测高光谱图像及待检测目标的真实光谱向量；构建变分自编码网络，并对其进行训练；获取待检测高光谱图像的特征图；计算每个特征图中最大像素值所在位置在待检测高光谱图像中对应的光谱向量；计算每个光谱向量与真实光谱向量的光谱角；获取融合图像；获取待检测高光谱图像的初始检测图像；获取待检测高光谱图像的最终检测目标。本发明能够降低高光谱图像中的频带干扰，减少冗余信息，更好地区分高光谱图像中的目标和复杂的背景，提高了目标点的检测精度，同时降低了数据处理的复杂度。

主权项

1.一种基于变分自编码网络的高光谱图像目标检测方法，其特征在于，包括如下步骤：(1)获取待检测高光谱图像及待检测目标的真实光谱向量：从高光谱图像库中选取大小为W×H×L的待检测高光谱图像I，以及与该待检测高光谱图像I包含的待检测目标光谱曲线相似的真实光谱向量d，其中，W、H、L分别为待检测高光谱图像I的宽、高、波段数，W＞0，H＞0，L≥100；(2)构建变分自编码网络，并对其进行训练：(2a)构建包括编码网络和与其连接的解码网络的变分自编码网络，其中，编码网络包括第一隐藏层和与其连接的第一输出层，第一输出层的节点总数与其输出特征图的波段数m相等，特征图的大小为W×H×m，2≤m≤L；解码网络包括第二隐藏层和与其连接的第二输出层，第二输出层的节点总数与待检测高光谱图像I的波段数L相等，第二输出层输出的重构高光谱图像R的大小为W×H×L；(2b)将待检测高光谱图像I输入到变分自编码网络中进行迭代训练，得到训练后的变分自编码网络；(3)获取待检测高光谱图像的特征图：将待检测高光谱图像I作为训练后的变分自编码网络中编码网络的输入，得到编码网络输出端的m个特征图{F₁,F₂,…F_s,…,F_m}，F_s为第s个特征图，2≤s≤m；(4)计算每个特征图中最大像素值所在位置在待检测高光谱图像中对应的光谱向量：(4a)计算每个特征图F_s中最大像素值对应的坐标(i_s,j_s)：(i_s,j_s)＝max{P_s(i,j)|0＜i≤W,0＜j≤H}其中，max表示取最大值操作，P_s(i,j)表示特征图F_s中每个坐标的像素值；(4b)确定每个(i_s,j_s)在待检测高光谱图像I中对应的光谱向量I(i_s,j_s)，得到m个光谱向量；(5)计算每个光谱向量与真实光谱向量的光谱角：计算每个光谱向量I(i_s,j_s)与真实光谱向量d的光谱角SAM(s)，得到m个光谱角，其中：其中，arccos表示取反余弦操作，||·||₂表示取二范数操作；(6)获取融合图像：(6a)从m个光谱角中选取满足SAM(s)≤τ的K个光谱角，2≤K≤m，并提取每个光谱角对应的特征图，得到K个特征图，其中，τ表示设定的阈值；(6b)对K个特征图进行融合，得到融合后图像f：其中，F_n表示第n幅特征图；(7)获取待检测高光谱图像的初始检测图像：对融合后图像f进行属性滤波，得到开操作概图A、原操作概图C和闭操作概图E，并计算待检测高光谱图像I的初始检测图像D：D＝|A‑C|+|E‑C|其中，|·|表示取绝对值操作；(8)获取待检测高光谱图像的最终检测目标：对待检测高光谱图像I的初始检测图像D进行引导滤波，得到待检测高光谱图像I中与已知真实目标光谱曲线相似的目标。