本發(fā)明涉及遙感信息技術(shù)領(lǐng)域，具體涉及一種基于背景自學(xué)習(xí)的高光譜圖像生物信息提取方法。

背景技術(shù)：

為了快速準(zhǔn)確地提取附著于載體的生物特征信息，或確定生物體體表或體內(nèi)某一區(qū)域存在的異常特征信息，傳統(tǒng)的方法一般采用直接接觸提取的方法，這往往會(huì)對(duì)信息載體造成損傷。通過(guò)拍攝含有目標(biāo)特征信息的圖像，對(duì)圖像進(jìn)行處理得到這些信息，是更可可靠的方法。

一般頁(yè)言，基于圖像的生物特征提取方法大多是單波段全色圖像，通過(guò)對(duì)圖像的形狀進(jìn)行計(jì)算，或?qū)D像進(jìn)行濾波增強(qiáng)等方法獲取目標(biāo)區(qū)域形狀。但是，傳統(tǒng)單波全色圖像存在著明顯缺陷：在外界環(huán)境如光照等因素存在差異的情況下，單波段全色圖像呈現(xiàn)出來(lái)的特征會(huì)發(fā)生較大變化，從而加大了信息提取的難度。隨著成像光譜儀的出現(xiàn)，可以獲取更加豐富和穩(wěn)定的信息，利于進(jìn)行進(jìn)一步的生物信息提取，對(duì)于生物載體上的某些特征信息的提取，可以通過(guò)目標(biāo)探測(cè)完成。近年來(lái)涌現(xiàn)了許多基于高光譜圖像的目標(biāo)信息提取方法，最常見的方法有匹配濾波器方法（mf）、約束能量最小化方法(cem)、自適應(yīng)余弦一致性評(píng)傳器方法(ace)、光譜角方法(sam)、正交子空間投影方法(osp)等，這些方法中，mf和sam方法沒有一致背景信息，，cem、ace和osp方法在抑制背景信息的同時(shí)受到目標(biāo)信息的影響，導(dǎo)致對(duì)背景信息估計(jì)不夠準(zhǔn)確。

因此，針對(duì)上述問(wèn)題，本發(fā)明提出了一種新的技術(shù)方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種有效對(duì)背景信息進(jìn)行估計(jì)，提取完整的生物目標(biāo)信息的基于背景自學(xué)習(xí)的高光譜圖像生物信息提取方法。

本發(fā)明是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：

一種基于背景自學(xué)習(xí)的高光譜圖像生物信息提取方法，包括以下步驟：

使用最小誤差高光譜信息辨識(shí)法來(lái)估計(jì)圖像中端元個(gè)數(shù)；

將步驟得到的端元數(shù)作為聚類數(shù)，將聚類數(shù)引入到最小誤差高光譜信息辨識(shí)法對(duì)背景信息進(jìn)行聚類；

得到聚類信息后，將聚類中心的光譜信息作為向量，計(jì)算各聚類間的光譜角，并合并光譜角的類別；

找到與先驗(yàn)信息光譜特征最接近的類，通過(guò)比較聚類中心與先驗(yàn)信息光譜角，來(lái)判斷些類別是否舍棄；

在提取目標(biāo)信息前，給每個(gè)像素點(diǎn)決定一個(gè)背景類，以當(dāng)前像素為中心，劃定一個(gè)正方形區(qū)域，以該區(qū)域內(nèi)的所有像素點(diǎn)的信息共同決定當(dāng)像像素的背景類，然后對(duì)正方形區(qū)域內(nèi)的所有像素點(diǎn)進(jìn)行加權(quán)平均的方法，得到具有空間信息的測(cè)試像素點(diǎn)光譜信息，再通過(guò)算法對(duì)每個(gè)像素進(jìn)行計(jì)算，得到的值通過(guò)閾值劃分來(lái)判定是否為需要提取的目標(biāo)信息。

進(jìn)一步地，所述步驟中，每個(gè)聚類中的像素個(gè)數(shù)不少于圖像的波段數(shù)。

進(jìn)一步地，當(dāng)像素個(gè)數(shù)小于圖像的波段數(shù)的類別合并到最近的類別中。

進(jìn)一步地，所述步驟中正方形區(qū)域的大小可以根據(jù)要求進(jìn)行調(diào)整。

進(jìn)一步地，所述步驟中每個(gè)像素計(jì)算的算法為廣義似然比方法。

本發(fā)明的有益效果是：本發(fā)明提出的提取方法避免了獲取信息時(shí)物理接觸造成的破壞，能多次穩(wěn)定獲取圖像，能有效地對(duì)背景信息進(jìn)行估計(jì)，提取完整的生物目標(biāo)信息，有效地提高了提取精度。

具體實(shí)施方式

下面結(jié)合實(shí)施例對(duì)本發(fā)明做進(jìn)一步地說(shuō)明。

實(shí)施例1

一種基于背景自學(xué)習(xí)的高光譜圖像生物信息提取方法，包括以下步驟：

使用最小誤差高光譜信息辨識(shí)法來(lái)估計(jì)圖像中端元個(gè)數(shù)；

將步驟得到的端元數(shù)作為聚類數(shù)，將聚類數(shù)引入到最小誤差高光譜信息辨識(shí)法對(duì)背景信息進(jìn)行聚類；

得到聚類信息后，將聚類中心的光譜信息作為向量，計(jì)算各聚類間的光譜角，并合并光譜角的類別；

找到與先驗(yàn)信息光譜特征最接近的類，通過(guò)比較聚類中心與先驗(yàn)信息光譜角，來(lái)判斷些類別是否舍棄；

在提取目標(biāo)信息前，給每個(gè)像素點(diǎn)決定一個(gè)背景類，以當(dāng)前像素為中心，劃定一個(gè)正方形區(qū)域，以該區(qū)域內(nèi)的所有像素點(diǎn)的信息共同決定當(dāng)像像素的背景類，然后對(duì)正方形區(qū)域內(nèi)的所有像素點(diǎn)進(jìn)行加權(quán)平均的方法，得到具有空間信息的測(cè)試像素點(diǎn)光譜信息，再通過(guò)算法對(duì)每個(gè)像素進(jìn)行計(jì)算，得到的值通過(guò)閾值劃分來(lái)判定是否為需要提取的目標(biāo)信息。

在本實(shí)施例中，步驟中，每個(gè)聚類中的像素個(gè)數(shù)不少于圖像的波段數(shù)。

在本實(shí)施例中，當(dāng)像素個(gè)數(shù)小于圖像的波段數(shù)的類別合并到最近的類別中。

在本實(shí)施例中，所述步驟中正方形區(qū)域的大小可以根據(jù)要求進(jìn)行調(diào)整。

在本實(shí)施例中，所述步驟中每個(gè)像素計(jì)算的算法為廣義似然比方法。

本發(fā)明提出的提取方法避免了獲取信息時(shí)物理接觸造成的破壞，能多次穩(wěn)定獲取圖像，能有效地對(duì)背景信息進(jìn)行估計(jì)，提取完整的生物目標(biāo)信息，有效地提高了提取精度。

以上所述的具體實(shí)施例，對(duì)本發(fā)明的解決的技術(shù)問(wèn)題、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。