一種高光譜目標(biāo)探測的方法
【專利摘要】本發(fā)明公開了一種高光譜目標(biāo)探測的方法，其特征在于，所述方法包括：獲取已知的目標(biāo)光譜信號(hào)；基于盲源提取方法獲取疑似信號(hào)；將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，獲得相關(guān)性值；在相關(guān)性值大于或等于預(yù)設(shè)相關(guān)性值時(shí)，確定所述疑似信號(hào)為目標(biāo)像元。其中，由于采用盲源提取方法獲取疑似信號(hào)時(shí)，利用周圍像素點(diǎn)作為混合信號(hào)，這樣即便有虛警目標(biāo)出現(xiàn)，其虛警目標(biāo)像元聚集在目標(biāo)像元周圍，這樣可以更加精確的確定目標(biāo)的范圍，解決了現(xiàn)有技術(shù)中存在對(duì)高光譜圖像探測效果差的技術(shù)問題，進(jìn)而實(shí)現(xiàn)了使得高光譜圖像探測效果得到改善的技術(shù)效果。
【專利說明】一種高光譜目標(biāo)探測的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高光譜遙感領(lǐng)域，尤其涉及一種高光譜目標(biāo)探測的方法。

【背景技術(shù)】
[0002] 高光譜成像技術(shù)在物質(zhì)信息探測方面有著舉足輕重的地位，它的發(fā)展對(duì)遙感領(lǐng)域 的發(fā)展起到了重要的作用，高光譜目標(biāo)探測正式運(yùn)用了高光譜影像具有高分辨率以及圖譜 合一的特點(diǎn)，可以利用目標(biāo)探測算法更加詳細(xì)的檢測到影像中的目標(biāo)，在傳感器成像的過 程中當(dāng)目標(biāo)充滿整個(gè)像元時(shí)就產(chǎn)生的目標(biāo)為純像元目標(biāo)，這種純像元目標(biāo)的檢測利用經(jīng)典 檢測方法就能夠很容易的探測得到；當(dāng)目標(biāo)不能夠充滿整個(gè)像元的時(shí)候，形成的目標(biāo)就和 其他地物一起構(gòu)成混合像元，這時(shí)，它就以亞像元的形式存在，目標(biāo)探測就變成亞像元目標(biāo) 探測問題。
[0003] 在目標(biāo)探測算法發(fā)展過程最常見的算法模型是線性混合模型如RX算法，約束能 量最小化算法（CEM)，正交子空間投影算法（OSP)，以及一些基于子空間的檢測算法，如自 適應(yīng)背景估計(jì)算法等，也出現(xiàn)了非線性混合模型的算法，這主要是一些利用了核函數(shù)的算 法，如Kwon提出的Kernel-RX非線性RX算法等。
[0004] 隨著目標(biāo)探測技術(shù)的發(fā)展，現(xiàn)有的一些算法雖然能在一定程度上滿足探測需求， 但是對(duì)于有些亞像元目標(biāo)，一些并不能很好的顯示出其探測效果，因此，現(xiàn)有技術(shù)存在對(duì)高 光譜圖像探測效果差的技術(shù)問題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例通過提供一種高光譜目標(biāo)探測的方法，解決了現(xiàn)有技術(shù)中存在對(duì)高 光譜圖像探測效果差的技術(shù)問題，進(jìn)而實(shí)現(xiàn)了使得高光譜圖像探測效果得到改善的技術(shù)效 果。
[0006] 本發(fā)明實(shí)施例提供了一種高光譜目標(biāo)探測的方法，所述方法包括：
[0007] 獲取已知的目標(biāo)光譜信號(hào)；
[0008] 基于盲源提取方法獲取疑似信號(hào)；
[0009] 將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，獲得相關(guān)性值；
[0010] 在相關(guān)性值大于或等于預(yù)設(shè)相關(guān)性值時(shí)，確定所述疑似信號(hào)為目標(biāo)像元。
[0011] 進(jìn)一步地，所述基于盲源提取方法獲取疑似信號(hào)具體包括：
[0012] 假設(shè)目標(biāo)光譜信號(hào)為t，根據(jù)AR模型提取所述目標(biāo)光譜信號(hào)的AR參數(shù)；
[0013] 將所述AR參數(shù)作為輸入?yún)?shù)，在線性混合信號(hào)X (η)中獲得提取系數(shù)C ;
[0014] 根據(jù)提取系數(shù)c，從線性混合信號(hào)X (η)中提取疑似信號(hào)y (n)，y (n) = CTX (η)。
[0015] 進(jìn)一步地，所述基于盲源提取方法獲取疑似信號(hào)具體為：
[0016] 采用基于均方協(xié)預(yù)測誤差為代價(jià)函數(shù)的盲源提取方法獲取疑似信號(hào)。
[0017] 進(jìn)一步地，所述采用基于均方協(xié)預(yù)測誤差為代價(jià)函數(shù)的盲源提取方法獲取疑似信 號(hào)，具體包括：
[0018] 根據(jù)假設(shè)的目標(biāo)光譜信號(hào)的AR模型的長度，獲取瞬時(shí)誤差：e(n) = y(n)_bTY(n); 其中，
[0019] b = [b" b2,…，bp]T
[0020] Y(η) = [y(n-l), y(n-2), ···, y(n-p)]T
[0021] y (n) = cT · X (n)
[0022] 在以協(xié)預(yù)測誤差均值為代價(jià)函數(shù)時(shí)，獲得每個(gè)像元檢測后的輸出為y(n)= E {e (n) e (n-q)}, 0 ^ q ^ p ；
[0023] 根據(jù)所述輸出，在以均方協(xié)預(yù)測誤差作為代價(jià)函數(shù)時(shí)，獲得每個(gè)像元的探測值表 示為
[0024] Jq (c) = cTAZ (q) Zt (q) ATc
[0025] ；
[0026] s. t. c · cT= I
[0027] 獲取每個(gè)像元的探測值Jq(C)的最小化值，作為提取系數(shù)c ;
[0028] 根據(jù)提取系數(shù)c，由y(n) = Ct · X(n)，獲取疑似信號(hào)。
[0029] 進(jìn)一步地，所述將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，獲得相關(guān)性 值具體為：
[0030] 根據(jù)公式CC = I (ytT/n) I，將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理， 其中y表示疑似信號(hào)，t表示目標(biāo)光譜信號(hào)，η表示高光譜遙感影像的波段數(shù)目，獲得相關(guān)性 值。
[0031] 本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：
[0032] 1、由于采用了通過采用盲源提取方法先對(duì)目標(biāo)物光譜信號(hào)進(jìn)行提取，獲取疑似信 號(hào)之后，將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性比較處理，在相關(guān)性值大于或者等于預(yù)設(shè) 相關(guān)性值時(shí)，確定該疑似信號(hào)為目標(biāo)像元，這樣，通過采用盲源提取方法對(duì)目標(biāo)物進(jìn)行探測 提取，使得獲得的虛警目標(biāo)像元在目標(biāo)像元的周圍，從而能夠更加精確地確定目標(biāo)，解決了 現(xiàn)有技術(shù)中存在對(duì)高光譜圖像探測效果差的技術(shù)問題，進(jìn)而實(shí)現(xiàn)了使得高光譜圖像探測效 果得到改善的技術(shù)效果。
[0033] 2、由于采用基于均方協(xié)預(yù)測誤差為代價(jià)函數(shù)的盲源提取方法來獲取疑似信號(hào)，能 有效獲取提取系數(shù)，從而基于獲取的提取系數(shù)在混合信號(hào)中提取疑似信號(hào)，從而有效獲取 疑似信號(hào)。

【專利附圖】

【附圖說明】
[0034] 圖1為本發(fā)明實(shí)施例中高光譜目標(biāo)探測的方法流程示意圖；
[0035] 圖2為本發(fā)明實(shí)施例中高光譜目標(biāo)探測方法中算法流程框圖。

【具體實(shí)施方式】
[0036] 本發(fā)明通過提供了一種高光譜目標(biāo)探測的方法，解決了現(xiàn)有技術(shù)中存在對(duì)高光譜 圖像探測效果差的技術(shù)問題，進(jìn)而實(shí)現(xiàn)了使得高光譜圖像探測效果得到改善的技術(shù)效果。
[0037] 為了解決了現(xiàn)有技術(shù)中存在對(duì)高光譜圖像探測效果差的技術(shù)問題，下面將結(jié)合說 明書附圖以及具體的實(shí)施方式對(duì)上述技術(shù)方案進(jìn)行詳細(xì)的說明。
[0038] 本發(fā)明實(shí)施例提供的一種高光譜圖像探測的方法，采用盲源提取方法對(duì)高光譜目 標(biāo)進(jìn)行探測，這種盲源提取方法本是一種信號(hào)處理的方法，較多的應(yīng)用于語音信號(hào)等的提 取，在本發(fā)明實(shí)施例中將該盲源提取方法與高光譜遙感相結(jié)合，形成一種有效的目標(biāo)探測 的方法，從而達(dá)到探測目標(biāo)的效果。
[0039] 具體地，在該盲源提取方法中以均方協(xié)預(yù)測誤差（MSCPE)為核心思想，以探測目 標(biāo)的AR模型作為先驗(yàn)知識(shí)，以虛警率（PF)，檢測率（PD)和漏警（PL)作為驗(yàn)證檢測性能指 標(biāo)。通過實(shí)驗(yàn)，在選取最佳參數(shù)的時(shí)候能夠達(dá)到很好的探測目標(biāo)的效果，即便有虛警目標(biāo)出 現(xiàn)，其虛警目標(biāo)像元聚集在目標(biāo)像元周圍，從而更加精確的確定了目標(biāo)的范圍。
[0040] 下面具體對(duì)高光譜目標(biāo)探測的方法步驟進(jìn)行描述，如圖1所示，具體包括：S101， 獲取已知的目標(biāo)光譜信號(hào)；S102,基于盲源提取方法獲取疑似信號(hào)；S103,將目標(biāo)光譜信號(hào) 與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，獲得相關(guān)性值；S104,在相關(guān)性值大于或等于預(yù)設(shè)相關(guān) 性值時(shí)，確定該疑似信號(hào)為目標(biāo)像元。
[0041] 在具體地實(shí)施方式中，SlOl中具體是將目標(biāo)的AR模型作為先驗(yàn)知識(shí)。比如，探測 一個(gè)物體的高光譜，事先根據(jù)這個(gè)物體的材質(zhì)，通過實(shí)驗(yàn)獲得該材質(zhì)的高光譜，從而獲得目 標(biāo)光譜信號(hào)。
[0042] 接著對(duì)S102,基于盲源提取方法獲取疑似信號(hào)進(jìn)行詳細(xì)描述。
[0043] 該盲源提取又稱BSE模型，該模型已經(jīng)應(yīng)用于語音信號(hào)提取和生物醫(yī)學(xué)信號(hào)提取 等方面，主要目的是從線性混合信號(hào)中提取所需的信號(hào)，這種提取可以按照一定優(yōu)先級(jí)別 逐一提取而不重復(fù)，因此具有良好的應(yīng)用前景。該BSE模型也構(gòu)成符合線性混合模型的構(gòu) 成方式，而線性混合模型在高光譜目標(biāo)探測中極為常見。
[0044] 假設(shè)一副影像像元個(gè)數(shù)為r，波段個(gè)數(shù)為n，端元個(gè)數(shù)為1，則X(w)= [X 1(W), X2(W),…，xr(w)]T^是一個(gè)rXn的矩陣。可表示為：
[0045] X(w) = A · S(w) (1)
[0046] 其中A是一個(gè)rXl的未知矩陣，代表每個(gè)構(gòu)成像元的端元豐度；S(W)是影像中的 端元集，S(W) = [S1(W), S2(W),…，S1(W)Ht，這是一個(gè)IXη的矩陣。在高光譜圖像中，將每 個(gè)像元看成一個(gè)端元信號(hào)，將（1)式轉(zhuǎn)化為BSE模型，如下：
[0047] X (n) = A · S (η) ⑵其中，S (η)表示選取的像元，如果選取像元個(gè)數(shù)為1，則 S(η)的大小就為IXη。
[0048] 在高光譜圖像中，一般情況下把每個(gè)像元都看成是各種端元的線性混合，在BSE 模型中，假設(shè)目標(biāo)光譜信號(hào)為t，利用AR模型提取目標(biāo)光譜信號(hào)的AR參數(shù)，從而利用AR參 數(shù)在線性混合信號(hào)得到一個(gè)向量c (提取系數(shù)），c是一個(gè)向量，維數(shù)大小為混合像元的個(gè) 數(shù)，從線性混合信號(hào)X(n)中提取得到一個(gè)疑似信號(hào)y(n)，y(n) =cTX(n)，從而再計(jì)算得到 疑似信號(hào)與目標(biāo)光譜信號(hào)的相關(guān)度（cc);
[0049] cc = I (y · t1) /n
[0050] 由上述的式子可以得知，當(dāng)線性混合信號(hào)為若干地物光譜信號(hào)的隨機(jī)線性混合的 時(shí)候，利用目標(biāo)光譜的AR模型得到AR參數(shù)也能夠很好的應(yīng)用到基于MSCPE的BSE高光譜 目標(biāo)探測算法中來提取目標(biāo)光譜信號(hào)。其中MSCPE為均方協(xié)預(yù)測誤差。
[0051] 下面描述基于MSCPE的BSE高光譜目標(biāo)探測來獲得提取系數(shù)c的過程。
[0052] 在上述BSE模型中，由轉(zhuǎn)化獲得的X(n) = A · S(n)，首先，對(duì)X(n)進(jìn)行白化處理， 然后，假設(shè)目標(biāo)光譜信號(hào)的AR模型的長度為p，則，瞬時(shí)誤差（PE)用e(n)表示，則
[0053] e(n) = y(n)_bTY(n);其中，
[0054] b = [b" b2,…，bp]T
[0055] Y(η) = [y(n-l), y(n-2), ···, y(n-p)]T
[0056] y (n) = cT · X (n)
[0057] b為目標(biāo)光譜信號(hào)的AR模型參數(shù)，由此可以得出：

【權(quán)利要求】
1. 一種高光譜目標(biāo)探測的方法，其特征在于，所述方法包括： 獲取已知的目標(biāo)光譜信號(hào)； 基于盲源提取方法獲取疑似信號(hào)； 將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，獲得相關(guān)性值； 在相關(guān)性值大于或等于預(yù)設(shè)相關(guān)性值時(shí)，確定所述疑似信號(hào)為目標(biāo)像元。
2. 根據(jù)權(quán)利要求1所述的高光譜目標(biāo)探測的方法，其特征在于，所述基于盲源提取方 法獲取疑似信號(hào)具體包括： 假設(shè)目標(biāo)光譜信號(hào)為t，根據(jù)AR模型提取所述目標(biāo)光譜信號(hào)的AR參數(shù)； 將所述AR參數(shù)作為輸入?yún)?shù)，在線性混合信號(hào)X(n)中的獲得提取系數(shù)C ;混合信號(hào) X(n)由相鄰的像素點(diǎn)構(gòu)成。 根據(jù)所述提取系數(shù)C，從線性混合信號(hào)X (n)中提取疑似信號(hào)y (n)，y (n) = cTx (n)。
3. 根據(jù)權(quán)利要求2所述的高光譜目標(biāo)探測的方法，其特征在于，所述基于盲源提取方 法獲取疑似信號(hào)具體為： 采用基于均方協(xié)預(yù)測誤差為代價(jià)函數(shù)的盲源提取方法獲取疑似信號(hào)。
4. 根據(jù)權(quán)利要求3所述的高光譜目標(biāo)探測的方法，其特征在于，所述采用基于均方協(xié) 預(yù)測誤差為代價(jià)函數(shù)的盲源提取方法獲取疑似信號(hào)，具體包括： 根據(jù)假設(shè)的目標(biāo)光譜信號(hào)的AR模型的長度，獲取瞬時(shí)誤差；e(n) =y(n)-bTY(n);其 中， b =比i，b2,…，bp]T Y(n) = [y(n-l)，y(n-2),…，y(n-p)]T y (n) = cT ? X (n) 在W協(xié)預(yù)測誤差均值為代價(jià)函數(shù)時(shí)，獲得每個(gè)像元檢測后的輸出為y(n) =E{e(n) e (n-q)}，0《q《p ; 根據(jù)所述輸出，在W均方協(xié)預(yù)測誤差作為代價(jià)函數(shù)時(shí)，獲得每個(gè)像元的探測值表示為 J,(c) = c'AZ(q)Z'(q)A'c ； 5. t.C ?〇T=1 獲取每個(gè)像元的探測值Jq(C)的最小化值，作為提取系數(shù)C ; 根據(jù)提取系數(shù)C，由y(n) = cT ? X(n)，獲取疑似信號(hào)。
5.根據(jù)權(quán)利要求1所述的高光譜目標(biāo)探測的方法，所述將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn) 行相關(guān)性的比較處理，獲得相關(guān)性值具體為： 根據(jù)公式CC = I (y，tT/n) I，將目標(biāo)光譜信號(hào)與疑似信號(hào)進(jìn)行相關(guān)性的比較處理，其中 y表示疑似信號(hào)，t表示目標(biāo)光譜信號(hào)，n表示高光譜遙感影像的波段數(shù)目，獲得相關(guān)性值。
【文檔編號(hào)】G06T7/00GK104463897SQ201410843241
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月30日 優(yōu)先權(quán)日:2014年12月30日
【發(fā)明者】張瑛, 王剛, 劉耀彰, 蔡茂知, 候亞妮, 盧昊, 楊學(xué)峰 申請(qǐng)人:電子科技大學(xué)