本發(fā)明涉及一種空譜聯(lián)合高光譜圖像的目標(biāo)識(shí)別方法，屬于高光譜遙感圖像目標(biāo)識(shí)別領(lǐng)域。

背景技術(shù)：

高光譜數(shù)據(jù)由成像光譜儀經(jīng)過(guò)大氣等環(huán)境收集地物的空間信息和光譜信息。在收集傳輸過(guò)程中，大氣、光照以及儀器等因素會(huì)造成高光譜數(shù)據(jù)的損傷降質(zhì)，最常見的降質(zhì)即為噪聲影響。這種影響會(huì)導(dǎo)致獲取的圖像辨識(shí)度不高，降低目標(biāo)識(shí)別精度，因此對(duì)高光譜數(shù)據(jù)進(jìn)行目標(biāo)識(shí)別之前有必要對(duì)數(shù)據(jù)進(jìn)行恢復(fù)處理。高光譜數(shù)據(jù)具有豐富的光譜信息，且其譜間分辨率要高于空間分辨率，因此在進(jìn)行目標(biāo)識(shí)別處理時(shí)，會(huì)造成關(guān)注光譜信息過(guò)多而忽視空間信息，造成信息的浪費(fèi)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的是為了解決現(xiàn)有對(duì)高光譜圖像進(jìn)行目標(biāo)識(shí)別處理時(shí)存在信息浪費(fèi)，進(jìn)而導(dǎo)致目標(biāo)識(shí)別精度較低的問(wèn)題，提供了一種基于低秩矩陣恢復(fù)的空譜聯(lián)合高光譜圖像目標(biāo)識(shí)別方法。

本發(fā)明所述基于低秩矩陣恢復(fù)的空譜聯(lián)合高光譜圖像目標(biāo)識(shí)別方法，該目標(biāo)識(shí)別方法的具體過(guò)程為：

步驟1、通過(guò)低秩矩陣恢復(fù)方法對(duì)高光譜圖像進(jìn)行原圖和噪聲的分離，將被噪聲干擾的高光譜圖像從噪聲中恢復(fù)出來(lái)；

步驟2、通過(guò)有約束能量最小化方法，將待識(shí)別光譜與目標(biāo)光譜進(jìn)行匹配；

步驟3、從空間角度利用不變矩特征對(duì)光譜匹配的結(jié)果進(jìn)行識(shí)別，獲得高光譜圖像數(shù)據(jù)的目標(biāo)識(shí)別結(jié)果。

本發(fā)明的優(yōu)點(diǎn)：本發(fā)明提出的基于低秩矩陣恢復(fù)的空譜聯(lián)合高光譜圖像目標(biāo)識(shí)別方法充分利用了高光譜圖像光譜的低秩性，以及高光譜數(shù)據(jù)的空間信息和光譜信息，提高目標(biāo)識(shí)別精度。首先通過(guò)低秩矩陣恢復(fù)方法對(duì)圖像進(jìn)行原圖與噪聲的分離，之后利用有約束能量最小化方法對(duì)高光譜數(shù)據(jù)的光譜進(jìn)行目標(biāo)光譜的匹配，最后從空間角度利用不變矩特征對(duì)光譜匹配的結(jié)果進(jìn)行識(shí)別，進(jìn)一步濾除虛警，提高目標(biāo)識(shí)別性能。本發(fā)明提出在低秩矩陣恢復(fù)的基礎(chǔ)上利用有約束能量最小化方法和不變矩特征匹配的高光譜目標(biāo)識(shí)別方法來(lái)提高目標(biāo)識(shí)別精度。

附圖說(shuō)明

圖1是本發(fā)明所述基于低秩矩陣恢復(fù)的空譜聯(lián)合高光譜圖像目標(biāo)識(shí)別方法的原理圖。

具體實(shí)施方式

具體實(shí)施方式一：下面結(jié)合圖1說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于低秩矩陣恢復(fù)的空譜聯(lián)合高光譜圖像目標(biāo)識(shí)別方法，該目標(biāo)識(shí)別方法的具體過(guò)程為：

步驟1、通過(guò)低秩矩陣恢復(fù)方法對(duì)高光譜圖像進(jìn)行原圖和噪聲的分離，將被噪聲干擾的高光譜圖像從噪聲中恢復(fù)出來(lái)；

步驟2、通過(guò)有約束能量最小化方法，將待識(shí)別光譜與目標(biāo)光譜進(jìn)行匹配；

步驟3、從空間角度利用不變矩特征對(duì)光譜匹配的結(jié)果進(jìn)行識(shí)別，獲得高光譜圖像數(shù)據(jù)的目標(biāo)識(shí)別結(jié)果。

具體實(shí)施方式二：本實(shí)施方式對(duì)實(shí)施方式一作進(jìn)一步說(shuō)明，步驟1所述通過(guò)低秩矩陣恢復(fù)方法對(duì)高光譜圖像進(jìn)行原圖和噪聲的分離的具體過(guò)程為：

步驟1-1、從數(shù)據(jù)的空間角度將高光譜數(shù)據(jù)立方按照順序進(jìn)行分塊，作為低秩矩陣恢復(fù)方法的輸入；

步驟1-2、采用低秩矩陣恢復(fù)方法對(duì)高光譜數(shù)據(jù)進(jìn)行分離恢復(fù)；

步驟1-3、采用增廣拉格朗日算法對(duì)低秩恢復(fù)進(jìn)行優(yōu)化處理，獲得優(yōu)化后的恢復(fù)結(jié)果。

本實(shí)施方式中，步驟1-1從數(shù)據(jù)的空間角度將高光譜數(shù)據(jù)立方按照順序進(jìn)行分塊，用于保證低秩恢復(fù)的效果和速度。

具體實(shí)施方式三：本實(shí)施方式對(duì)實(shí)施方式二作進(jìn)一步說(shuō)明，步驟1-3所述對(duì)低秩恢復(fù)進(jìn)行優(yōu)化處理的具體過(guò)程為：

設(shè)矩陣D為受噪聲干擾的高光譜數(shù)據(jù)，矩陣A為經(jīng)低秩恢復(fù)得到的數(shù)據(jù)，E是分離出來(lái)的噪聲矩陣；

加上一個(gè)懲罰因子，構(gòu)造拉格朗日函數(shù)：

其中，μ是設(shè)定的較小正數(shù)因子，Y是與D同形的矩陣，λ是一個(gè)為正的加權(quán)因子，<Y,D-E-A>表示矩陣Y與矩陣(D-E-A)的內(nèi)積；

令g(X)＝D-E-X，X表示每步迭代的輸出，最終逼近A；

再根據(jù)步驟1-3-1至步驟1-3-3的增廣拉格朗日迭代方法進(jìn)行迭代：

步驟1-3-1、根據(jù)X_K+1＝arg min L(X,Y_K,μ_K)，得出使L(X,Y_K,μ_K)最小的X，令X_K+1＝X；其中，K表示迭代次數(shù)，其取值范圍為1～1000；YK表示迭代次數(shù)為K的Y矩陣；μ_K表示迭代次數(shù)為K的較小正數(shù)因子；

步驟1-3-2、根據(jù)Y_K+1＝Y(jié)_K+μ_Kg(X_K+1)，由X_K和Y_K得出Y_K+1；

步驟1-3-3、根據(jù)μ_K+1＝ρμ_K，ρ≥1，由μ_K得出μ_K+1；

根據(jù)步驟1-3-1至步驟1-3-3的增廣拉格朗日迭代方法，迭代至滿足迭代終止條件，輸出X_K，即獲得優(yōu)化恢復(fù)后的低秩矩陣X_K。

具體實(shí)施方式四：本實(shí)施方式對(duì)實(shí)施方式三作進(jìn)一步說(shuō)明，時(shí)，能夠獲得優(yōu)化恢復(fù)后的低秩矩陣，其中，m和n分別表示步驟1-1中高光譜數(shù)據(jù)分塊后得到的二維矩陣的行和列。

具體實(shí)施方式五：本實(shí)施方式對(duì)實(shí)施方式一、二、三或四作進(jìn)一步說(shuō)明，步驟2所述通過(guò)有約束能量最小化方將待識(shí)別光譜與目標(biāo)光譜進(jìn)行匹配的具體過(guò)程為：

步驟2-1、輸入低秩恢復(fù)獲得的矩陣和目標(biāo)光譜曲線；

步驟2-2、根據(jù)有約束能量最小化公式：計(jì)算出每個(gè)待測(cè)光譜屬于目標(biāo)光譜的隸屬度D_CEM，數(shù)值越大，待測(cè)光譜屬于目標(biāo)光譜的可能性越大；有約束能量最小化公式中，s為目標(biāo)光譜向量，x為待檢測(cè)光譜向量；

步驟2-3、對(duì)光譜識(shí)別得到的數(shù)據(jù)進(jìn)行閾值分割，獲得待測(cè)光譜的識(shí)別結(jié)果。

具體實(shí)施方式六：本實(shí)施方式對(duì)實(shí)施方式五作進(jìn)一步說(shuō)明，步驟3所述從空間角度利用不變矩特征對(duì)光譜匹配的結(jié)果進(jìn)行識(shí)別的具體過(guò)程為：首先計(jì)算待測(cè)圖像數(shù)據(jù)的不變矩特征和目標(biāo)圖像數(shù)據(jù)的不變矩特征，然后將不變矩特征結(jié)果進(jìn)行匹配。

本實(shí)施方式中，采用不變矩特征匹配能夠達(dá)到保持原有的目標(biāo)識(shí)別率而降低虛警的目的。

具體實(shí)施方式七：本實(shí)施方式對(duì)實(shí)施方式六作進(jìn)一步說(shuō)明，不變矩特征根據(jù)圖像數(shù)據(jù)的一階、二階和三階的中心距構(gòu)造出圖像數(shù)據(jù)的七個(gè)不變矩特征，滿足圖像數(shù)據(jù)的尺度、平移和旋轉(zhuǎn)不變形。