基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法
【專利摘要】本發(fā)明提出了一種基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法，用于解決無監(jiān)督波段選擇方法中存在的選擇的波段子集判別性能差的問題；包括如下步驟：輸入待波段選擇的高光譜圖像；將高光譜圖像進(jìn)行歸一化；將歸一化后的高光譜圖像中的波段圖像進(jìn)行平均，得到平均圖像；將波段圖像和平均圖像進(jìn)行量化；以平均圖像作為參考，求各個(gè)波段圖像的圖像質(zhì)量評(píng)價(jià)值；將MRMR波段選擇方法中的波段與樣本標(biāo)簽之間的互信息替換為圖像質(zhì)量評(píng)價(jià)值；根據(jù)改進(jìn)的MRMR進(jìn)行波段選擇。本發(fā)明通過引入圖像質(zhì)量評(píng)價(jià)，可以選擇出高質(zhì)量的波段，且波段與波段之間的相關(guān)性小，選擇的波段子集判別性能好，可用于對(duì)高光譜圖像進(jìn)行降維。
【專利說明】
基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種高光譜圖像波段選擇方法，具體涉及一 種基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法，可用于對(duì)高光譜圖像進(jìn)行降維。
【背景技術(shù)】
[0002] 遙感是從遠(yuǎn)處探測(cè)自然界物體的一種技術(shù)，自然中的一切物體都具有反射或發(fā)射 電磁波的特性，而且物體不同，所處于的環(huán)境不同，物體發(fā)射或反射的電磁波也不相同，被 物體發(fā)射或反射的電磁波中包含著物體的特征信息，能夠作為感知不同物體的工具?；?此原理，遙感技術(shù)通過物理設(shè)備收集物體發(fā)射或反射的電磁波來感知和判別物體。通過遙 感獲得的圖像就是遙感圖像。
[0003] 多光譜圖像是我們平常接觸較多的遙感影像，其在電磁波譜中的幾個(gè)可見光波段 上同時(shí)獲取信息。經(jīng)過長(zhǎng)時(shí)間的發(fā)展，遙感技術(shù)已經(jīng)取得了很大的進(jìn)步，高光譜遙感是遙感 技術(shù)發(fā)展到一定階段后的產(chǎn)物。高光譜遙感圖像在電磁波譜的紫外、可見光、近紅外和中紅 外區(qū)域中的數(shù)十至數(shù)百個(gè)非常窄的且連續(xù)的光譜段上同時(shí)獲取信息。相比于傳統(tǒng)的遙感圖 像如多光譜圖像來說，高光譜圖像可以提供豐富的信息而且有很高的光譜分辨率。高光譜 圖像提供大量信息的同時(shí)也會(huì)出現(xiàn)信息冗余的現(xiàn)象。大量高度相關(guān)的信息為高光譜圖像的 進(jìn)一步處理帶來了計(jì)算復(fù)雜度高，耗費(fèi)存儲(chǔ)空間等難題。因此在最大程度保留高光譜豐富 信息的基礎(chǔ)上降低維度是高光譜圖像處理中的一個(gè)重要環(huán)節(jié)。
[0004] 用于高光譜圖像降維的方法有特征提取和波段選擇。特征提取一般是通過線性或 者非線性的方法將高維數(shù)據(jù)空間映射到低維數(shù)據(jù)空間來實(shí)現(xiàn)降維。特征提取方法通過映射 獲取的低維空間的數(shù)據(jù)失去了原始數(shù)據(jù)所代表的物理意義。相對(duì)于特征提取的方法，波段 選擇是基于非變換的降維方法，這種方法是從原始的波段中選擇表現(xiàn)性能好的波段子集， 相對(duì)于特征提取的方法，波段選擇不會(huì)改變?cè)嫉臄?shù)據(jù)，較好的保留了原始數(shù)據(jù)中的物理 含義以及地物的信息。
[0005] 高光譜圖像降維根據(jù)是否需要標(biāo)記樣本的參與分為有監(jiān)督波段選擇和無監(jiān)督波 段選擇。有監(jiān)督波段選擇需要標(biāo)記樣本的參與，現(xiàn)有的有監(jiān)督波段選擇方法有基于類間可 分性的方法，基于最大相關(guān)最小冗余(MRMR)的方法等，其中MRMR是非常經(jīng)典的有監(jiān)督波段 選擇方法，其原理簡(jiǎn)單并有較高的計(jì)算效率，而且可以選擇出高質(zhì)量的波段子集且波段之 間的冗余度較低。有監(jiān)督波段選擇因?yàn)橛袠?biāo)記樣本的參與，所以可以選擇出性能較好的波 段子集，但是獲取標(biāo)記樣本需要耗費(fèi)大量的人力物力，而且有些區(qū)域是沒有進(jìn)行標(biāo)記的。這 很大程度上限制了有監(jiān)督波段選擇的應(yīng)用范圍。無監(jiān)督波段選擇沒有標(biāo)記樣本的參與，它 是根據(jù)波段之間的內(nèi)在結(jié)構(gòu)來選擇高質(zhì)量的波段子集的。因?yàn)椴恍枰獦?biāo)記樣本的參與，所 以無監(jiān)督波段選擇方法適用范圍廣。
[0006] 現(xiàn)有的無監(jiān)督波段選擇方法有基于信息量的波段選擇方法，基于相似性的波段選 擇方法和基于聚類的波段選擇方法，其中基于信息量的波段選擇方法具體有基于最大方差 主分量分析的方法(MVPCA)，MVPCA根據(jù)負(fù)載因子矩陣來對(duì)原始波段進(jìn)行排序，從而挑選出 方差大的波段，此方法雖然可以選擇出高質(zhì)量的波段，但波段之間的冗余度非常高，波段之 間的信息在很大程度上是重復(fù)的，所以選出的波段集合的表現(xiàn)性能比較差。第二種是基于 相似性的波段選擇方法，其思路為從未挑選的剩余波段中，選擇與已選波段集合最不相似 的波段，此方法的缺點(diǎn)是只保證了被選擇的波段和以選擇的波段之間的冗余度最低，但是 其包含的有用的信息可能很少，而且此方法選出的波段集合性能的好壞與設(shè)定的兩個(gè)初始 波段有很大關(guān)系。第三種基于聚類的波段選擇方法具體有基于K中心點(diǎn)波段選擇方法(k-medoids)，其實(shí)施思路為對(duì)波段進(jìn)行聚類，然后選出位于中間位置的波段，此方法選擇的缺 點(diǎn)是選擇的波段集合易受初始中心點(diǎn)的影響，所以選出的波段的性能也有待提高。
[0007] 圖像是人類感知和機(jī)器模式識(shí)別的重要信息來源，然而在圖像的采集、壓縮、處 理、傳輸及顯示等過程中產(chǎn)生了圖像質(zhì)量下降的問題。如何建立有效的圖像質(zhì)量評(píng)價(jià)機(jī)制 被學(xué)者們廣泛研究。圖像質(zhì)量評(píng)價(jià)可以劃分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法。對(duì)于主觀評(píng) 價(jià)，客觀評(píng)價(jià)具有易操作、花費(fèi)低等優(yōu)點(diǎn)，所以客觀評(píng)價(jià)已經(jīng)成為目前研究的重點(diǎn)，客觀評(píng) 價(jià)根據(jù)原始參考圖像是否參與圖像質(zhì)量評(píng)價(jià)分為全參考，半?yún)⒖己蜔o參考3類方法，全參考 圖像質(zhì)量評(píng)價(jià)方法需要用到原始參考圖像?；诮Y(jié)構(gòu)相似度的圖像質(zhì)量評(píng)價(jià)(SSIM)是一種 經(jīng)典的全參考圖像質(zhì)量評(píng)價(jià)準(zhǔn)則，SS頂是一種基于結(jié)構(gòu)信息衡量原始圖像與處理后圖像之 間相似程度的方法，其計(jì)算簡(jiǎn)單、與主觀質(zhì)量評(píng)價(jià)關(guān)聯(lián)性較強(qiáng)。近年來質(zhì)量評(píng)價(jià)機(jī)制已經(jīng)在 視頻傳輸、字符識(shí)別、安全監(jiān)控、醫(yī)學(xué)等方面得到廣泛應(yīng)用，但是圖像質(zhì)量評(píng)價(jià)還沒有在高 光譜圖像降維方面的得到應(yīng)用，而高光譜圖像的各個(gè)波段其實(shí)就是一幅圖像，對(duì)各個(gè)波段 圖像進(jìn)行質(zhì)量評(píng)價(jià)，得到的質(zhì)量評(píng)價(jià)的值可能會(huì)對(duì)高光譜降維降維有指導(dǎo)作用。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的缺陷，提出了一種基于圖像質(zhì)量評(píng)價(jià) 的高光譜圖像波段選擇方法，通過引入圖像質(zhì)量評(píng)價(jià)，對(duì)MRMR波段選擇方法進(jìn)行改進(jìn)，提出 了一種新的無監(jiān)督波段選擇方法，用于解決現(xiàn)有無監(jiān)督波段選擇方法存在的選擇出的波段 識(shí)別能力差的問題。
[0009] 本發(fā)明的技術(shù)思路是:通過引入質(zhì)量評(píng)價(jià)準(zhǔn)則得到了一種新的無監(jiān)督波段選擇方 法，此方法可以選擇出質(zhì)量評(píng)價(jià)值大的波段，此波段同時(shí)又與已選擇的波段之間的冗余度 低，從而可以得到包含較多判別信息的波段子集，達(dá)到高光譜圖像降維的目的。
[0010]根據(jù)上述技術(shù)思路，實(shí)現(xiàn)本發(fā)明采取的技術(shù)方案，包括如下步驟：
[0011] 步驟1，輸入高光譜圖像A;
[0012] 步驟2，將高光譜圖像A的光譜值歸一化到0 -1之間，得到歸一化后的高光譜圖像 A7 ；
[0013] 步驟3,將歸一化后的高光譜圖像Y中的每個(gè)波段圖像記*Χι，其中Xl表示第i個(gè)波 段圖像，i = l，2. . .N，對(duì)高光譜圖像A'中的各個(gè)波段圖像求平均，得到平均圖像，記為y';
[0014] 步驟4,對(duì)歸一化后的高光譜圖像Y中每個(gè)波段圖像^和平均圖像y'進(jìn)行量化，得 到量化后的波段圖像χ/和量化后的平均圖像y';
[0015] 步驟5,利用質(zhì)量評(píng)價(jià)準(zhǔn)則，以量化后的平均波段圖像為參考，求出所述量化后的 波段圖像1/的質(zhì)量評(píng)價(jià)值，第i個(gè)量化后的波段圖像的質(zhì)量評(píng)價(jià)值，記為QU/ );
[0016] 步驟6,利用所述的質(zhì)量評(píng)價(jià)值Q(x/ 替換MRMR波段選擇方法所用公式中波 段與樣本標(biāo)簽之間的互信息，得到替換后的公式：
[0018] 其中m指的是選擇的第m個(gè)波段，此波段是X-Sm-i波段中的一個(gè)波段，X為波段全集， Sw為已選出的m-1個(gè)波段的集合，X-Sw為待進(jìn)行選擇的波段的集合，x/是待進(jìn)行選擇的 一個(gè)波段，I(x/，x</)指的是波段x/與波段x/的互信息，x/是已經(jīng)選出來的波段，Q(x/， y')指的是波段χ/和波段χ/的圖像質(zhì)量評(píng)價(jià)值，參數(shù)α用來調(diào)整圖像質(zhì)量評(píng)價(jià)值和波段之 間冗余度所占的重要性；
[0019] 步驟7,根據(jù)所述替換后的公式，得到改進(jìn)的MRMR波段選擇方法，并利用該方法進(jìn) 行波段選擇。
[0020] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：
[0021]第一:本發(fā)明由于采用質(zhì)量評(píng)價(jià)準(zhǔn)則，將MRMR波段選擇方法公式中的波段與樣本 標(biāo)簽之間的互信息，替換為圖像質(zhì)量評(píng)價(jià)值，然后根據(jù)替換之后的MRMR進(jìn)行波段選擇，與現(xiàn) 有技術(shù)相比，可以選擇出信息量豐富的波段，同時(shí)又保證了波段與波段之間的相關(guān)性較小， 提高了波段子集的判別能力。
[0022]第二:本發(fā)明由于采用質(zhì)量評(píng)價(jià)準(zhǔn)則，將MRMR波段選擇方法公式中的波段與樣本 標(biāo)簽之間的互信息，替換為質(zhì)量評(píng)價(jià)值，在波段選擇過程中不需要樣本標(biāo)簽的參與，與現(xiàn)有 的MRMR波段選擇方法相比，可以處理沒有標(biāo)記樣本的高光譜圖像。
【附圖說明】
[0023]圖1為本發(fā)明的實(shí)現(xiàn)流程框圖；
[0024]圖2為本發(fā)明方法與其他波段選擇方法在indian pines高光譜圖像上的性能對(duì)比 曲線圖；
[0025]圖3為本發(fā)明與其他波段選擇方法在paviaU高光譜圖像上的性能對(duì)比曲線圖；
【具體實(shí)施方式】：
[0026] 以下結(jié)合附圖和具體實(shí)施例，對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明：
[0027] 參照附圖1，本實(shí)施例中所采用的高光譜圖像為印第安納州高光譜圖像。
[0028]步驟1，輸入高光譜圖像A;
[0029] 步驟2，將高光譜圖像A的光譜值歸一化到0 -1之間，得到歸一化后的高光譜圖像 A7 ；
[0030] 步驟3,將歸一化后的高光譜圖像Y中的每個(gè)波段圖像記*Χι，其中Xl表示第i個(gè)波 段圖像，i = l，2. . .220,對(duì)高光譜圖像A'中的各個(gè)波段圖像求平均，得到平均圖像，記為y';
[0031] 步驟4,對(duì)歸一化后的高光譜圖像Y中每個(gè)波段圖像^和平均圖像y'進(jìn)行量化，得 到量化后的波段圖像χ/和量化后的平均圖像y';
[0032] 步驟5,利用質(zhì)量評(píng)價(jià)準(zhǔn)則，以量化后的平均圖像為參考，求出所述量化后的波段 圖像X/的質(zhì)量評(píng)價(jià)值，第i個(gè)量化后的波段圖像的質(zhì)量評(píng)價(jià)值，記為QU/ );
[0033] 本發(fā)明采用結(jié)構(gòu)相似性質(zhì)量評(píng)價(jià)準(zhǔn)則SSIM(structural similarity)對(duì)圖像的質(zhì) 量進(jìn)行評(píng)價(jià)，SSIM是一種基于結(jié)構(gòu)信息衡量圖像之間相似程度的方法，其計(jì)算簡(jiǎn)單、與主觀 質(zhì)量評(píng)價(jià)關(guān)聯(lián)性較強(qiáng)。其求取具體步驟如下所示：
[0034] (5a)計(jì)算量化后的波段圖像1/ 4 = 1，2...220和量化后的平均圖像7/的平均強(qiáng) 度
[0037] 表示量化后的波段圖像1/的平均強(qiáng)度，μ/表示量化后的平均圖像y'的平均強(qiáng) 度，Μ指的是波段圖像1/和平均圖像y'的像素點(diǎn)數(shù)，·々/表示波段圖像x/的第j個(gè)像素點(diǎn)， y/表示平均圖像y'的第j個(gè)像素點(diǎn)，j = 1，2... 21025;
[0038] (5b)計(jì)算量化后的波段圖像以和量化后的平均圖像y'的亮度對(duì)比函數(shù)Ι(Χ/，/ )
[0040] 其中&是為了避免分母為零而加的一個(gè)小的非零常數(shù)，本發(fā)明中令& = (1^)2,參 數(shù)L可以取像素值變化范圍內(nèi)的任意值，在本例中像素值的變化范圍為0-255,所以L可以取 0-255內(nèi)的任意值，在本發(fā)明中L取值為255，參數(shù)心是一個(gè)小于1的常數(shù)，本發(fā)明中h取值為 0.01ο
[0041] (5c)計(jì)算量化后的波段圖像1/和量化后的平均圖像/的標(biāo)準(zhǔn)差
[0044] 其中&?為量化后的波段圖像χ/的標(biāo)準(zhǔn)差，V為量化后的平均圖像y'的標(biāo)準(zhǔn)差；
[0045] (5d)計(jì)算量化后的波段圖像1/和量化后的平均圖像y'的對(duì)比度對(duì)比函數(shù)C(x/， y7)
[0047] 其中C2是為了避免分母為零而加的一個(gè)小的非零常數(shù)，本發(fā)明中令C2=(K2L) 2,參 數(shù)1(2是一個(gè)小于1的常數(shù)，本發(fā)明中K2取值為0.03。
[0048] (5e)計(jì)算量化后的波段圖像χ/和量化后的平均圖像y'的結(jié)構(gòu)對(duì)比函數(shù)S(x/，/ )
[0050]其中C3是為了避免分母為零而加的一個(gè)小的非零常數(shù)
下所示
[0052] (5f)計(jì)算 SSIM 的值
[0053] SSlKxi7 ,y7 ) = [I(xi/ ,y7 )]n[C(xi/ ,y7 )]e[S(xi/ ,y7 )]γ
[0054] 11、1丫為大于零的常數(shù)，控制1&/，7/)、(：(^/， 7/)、5(^/，7/)在求55頂值時(shí)所占 的重要性，SSIMU/ )即步驟5記為Q(x/ )的圖像質(zhì)量評(píng)價(jià)值。在本發(fā)明中令η = β = γ，將上述所求的I(x/，y' )、C(x/，y' )、S(x/，y')及參數(shù)η、β、γ 的值帶入到SSIMU/，y') 公式中整理得到：
[0056]步驟6,利用所述的質(zhì)量評(píng)價(jià)值SSIMU/ )，替換MRMR波段選擇方法所用公式中 波段與樣本標(biāo)簽之間的互信息，得到替換后的公式：
[0058]其中m指的是選擇的第m個(gè)波段，此波段是X-Sm-i波段中的一個(gè)波段，X為波段全集， Sw為已選出的m-1個(gè)波段的集合，X-Sw為待進(jìn)行選擇的波段的集合，x/是待進(jìn)行選擇的 一個(gè)波段，I(x/，x</)指的是波段x/與波段x/的互信息，x/是已經(jīng)選出來的波段，SSIM (x/，yy指的是波段χ/和y'的圖像質(zhì)量評(píng)價(jià)值，參數(shù)α用來調(diào)整圖像質(zhì)量評(píng)價(jià)值和波段之 間冗余度所占的重要性；
[0059] 步驟7根據(jù)替換后的公式，得到改進(jìn)的MRMR波段選擇方法，并利用該方法進(jìn)行波段 選擇，具體步驟如下所示：
[0060] (7a)將高光譜圖像中的220個(gè)波段組成的波段集合記為X，設(shè)置一個(gè)空集合S=[];
[0061] (7b)根據(jù)求得的SS頂值，從波段集合X選擇一個(gè)波段，將其加入空集合S，得到已選 波段集合3 1，在原始波段集X中去除選擇出的第一個(gè)波段，得到待選波段集合X-&;
[0062]從220個(gè)SS頂值中選出最大的SS頂值，把其對(duì)應(yīng)的波段圖像作為選出來的第一個(gè) 波段，并把此波段記為ρι，將此波段加入空集合S，得到已選波段集合Si=[Pl]，在原始波段 集X中去除掉波段Pi，得到待選波段集合為X-Si，其波段個(gè)數(shù)為219;
[0063] (7c)根據(jù)改進(jìn)的公式從待選波段集合X-Si中選擇第二個(gè)波段，將其加入Si得到已 選波段集合s2，在待選集合X-Si中去除選擇出的第二個(gè)波段，得到新的待選波段集合x-s2
[0064]把MRMR波段選擇方法，所用公式中波段與樣本標(biāo)簽之間的互信息替換為圖像質(zhì)量 評(píng)價(jià)值SS頂，改進(jìn)的公式如下所示：
[0067] 根據(jù)上式選擇第二個(gè)波段，其中xi/是待選波段集合X-Si*的一個(gè)波段，k=l， 2.. .219，χ</是已選波段集合51中的一個(gè)波段，此時(shí)的已選波段集合中只有一個(gè)波段，即 (7b)中選出來的波段 ?1，此公式的目的是選出SSM值大的波段同時(shí)此波段又與已選波段集 合中波段的冗余度最小。把選出來的第二個(gè)波段記為p 2,將此波段加入波段集合31，得到已 選波段集合S2=[piP2]，S 2表示已選波段集合中有兩個(gè)波段，在乂^:集合中去除選擇出的第 二個(gè)波段，得到新的待選波段集合X-&，其波段個(gè)數(shù)為218，參數(shù)α用來調(diào)整圖像質(zhì)量評(píng)價(jià)值 SS頂和波段之間冗余度所占的重要性，在Indian pines圖像上α設(shè)為1.573;
[0068] (7d)根據(jù)改進(jìn)的公式從所述待選波段集合Χ-&中選擇第三個(gè)波段，將其加入&得 到已選波段集合&，在待選波段集合X-&中去除選擇出的第三個(gè)波段，得到新的待選波段集 合X-&，改進(jìn)的公式如下所示：
[0070] 根據(jù)上式選擇第三個(gè)波段，其中xi/為待選波段集合x-s2中的一個(gè)波段，k=l， 2.. .218，χ</是已選波段集合&中的一個(gè)波段，此時(shí)的已選波段集合中有兩個(gè)波段，即（7b) 中選出來的波段pjP(7c)中選出來的波段p 2,此公式的目的是選出SSIM值大的波段同時(shí)此 波段又與已選波段集合中波段的冗余度最小。把選出來的第三個(gè)波段記為P3,將此波段加 AS2，得到已選波段集合S3 = [piP2p3 ]，S3表示已選波段集合中有三個(gè)波段，在X-S2集合中去 除選擇出的第三個(gè)波段，得到新的待選波段集合X_S 3，其波段個(gè)數(shù)為217;
[0071] (7e)根據(jù)改進(jìn)的公式從待選波段集合X-SH中選擇第m個(gè)波段，將其加入Sh得到 已選波段集合S m，在待選波段集合X-Sm-i中去除選擇出的第m個(gè)波段，得到新的待選波段集 合 X-Sm
[0073] 根據(jù)上式選擇第m個(gè)波段，其中Χ1/為待選波段集合X-Sm-i中的一個(gè)波段，k=l， 2.. .Ν-(πι-1)，Χ(/是已選波段集合5^沖的一個(gè)波段，此時(shí)的已選波段集合中有m-1個(gè)波段， 即通過上述步驟選出來的波段p iP2...pm-!，此公式的目的是選出SSIM值大的波段同時(shí)此波 段又與已選波段集合的波段的冗余度最小。把選出來的第m個(gè)波段記為p m，將此波段加入已 選波段集合Sm-i中得到已選波段集合Sm=[p iP2p3. . .pm-示已選波段集合中有m個(gè)波 段，在X-Sh集合中去除選擇出的第m個(gè)波段，得到新的待選波段集合X-S m;
[0074] (7f):重復(fù)執(zhí)行步驟(7e)，逐步選擇波段，直到達(dá)到所需的波段數(shù)目p，此時(shí)已選集 合&中即為所需波段。
[0075] 以下結(jié)合仿真圖對(duì)本發(fā)明的效果做進(jìn)一步的說明。
[0076]仿真過程包括有：
[0077] ! ?仿真條件：
[0078] 本發(fā)明的仿真實(shí)驗(yàn)采用的硬件測(cè)試平臺(tái)是:處理器為Inter Core i7-4720HQ，主 頻為2.60GHz，內(nèi)存8GB;軟件平臺(tái)為:Windows 10旗艦版64位操作系統(tǒng)、Matlab R2015a進(jìn)行 仿真測(cè)試。
[0079] 2 ·仿真數(shù)據(jù)：
[0080] 本發(fā)明中采用的是R0SIS-03光學(xué)傳感器所記錄的帕維亞大學(xué)的圖像，以及通過機(jī) 載可見光及紅外成像光譜儀AVIRIS獲取的印第安納州高光譜圖像進(jìn)行分類算法仿真來驗(yàn) 證本發(fā)明選擇波段的有效性;將帕維亞大學(xué)的高光譜圖像記為paviaU，印第安納州高光譜 圖像記為Indian pines，這兩個(gè)數(shù)據(jù)集是行業(yè)公認(rèn)的高光譜數(shù)據(jù)處理實(shí)驗(yàn)數(shù)據(jù)。
[0081] 上述高光譜數(shù)據(jù)以及對(duì)應(yīng)的ground truth圖都來自于：
[0082] http://www.ehu.es/ccwintco/index.php?title = Hyperspectral_Remote_ Sensing_Scenes
[0083] 3.仿真內(nèi)容：
[0084] 為了驗(yàn)證選擇的波段集合的有效性，一般在進(jìn)行波段選擇后，會(huì)使用所選波段對(duì) 應(yīng)的高光譜數(shù)據(jù)，以ground truth圖中的類別作為標(biāo)簽，對(duì)高光譜圖像進(jìn)行分類，以分類準(zhǔn) 確度作為波段選擇性能的判斷標(biāo)準(zhǔn)。
[0085] (3.1)仿真一：
[0086]實(shí)驗(yàn)選擇三個(gè)現(xiàn)有的具有代表性的無監(jiān)督波段選擇方法與本發(fā)明提到的方法做 比較。這三種方法分別是SBBS(基于相似性的波段選擇方法）、MVPCA(最大方差主分量分 析）、k_medoids(K中心點(diǎn)波段選擇方法）；
[0087] 對(duì)于Indian pines圖像，使用本發(fā)明的方法與SBBS、MVPCA和k-medoids都選取了 100個(gè)波段，選擇10 %的已知標(biāo)記樣本作為訓(xùn)練樣本，剩余的已知標(biāo)記樣本作為測(cè)試樣本， 使用支撐向量機(jī)（svm)分類器做分類實(shí)驗(yàn)。本高光譜圖像實(shí)驗(yàn)中所有的svm分類器都使用 1 ibsvm-3.20實(shí)現(xiàn)，參數(shù)設(shè)為c = 1024，g = 2Λ其余參數(shù)使用默認(rèn)值；
[0088] 下面通過仿真結(jié)果分析闡述本發(fā)明的有效性;結(jié)果如附圖2;
[0089]附圖2是在Indian pines高光譜圖像上得到的本發(fā)明方法與現(xiàn)有三種波段選擇方 法的效果對(duì)比曲線圖，波段選擇方法選擇的波段子集包含的判別信息越多，得到的分類準(zhǔn) 確度越高。圖中呈現(xiàn)了四種方法分別挑選出10至100個(gè)波段后用于分類得到的準(zhǔn)確度。從圖 中可以看出，本發(fā)明方法（SSIM)除了在10波段時(shí)略低于k-medoids，但效果要比SBBS和 MVPCA好，在其他波段上效果都要優(yōu)于三個(gè)對(duì)比方法，尤其是本發(fā)明挑選出40個(gè)波段所取得 的效果就已經(jīng)優(yōu)于現(xiàn)有三種方法獲取的100個(gè)波段的時(shí)候的性能，說明本發(fā)明的波段選擇 性能非常優(yōu)秀，包含的了豐富的判別信息，降維的效果好。
[0090] (3.2)仿真二：
[0091] 對(duì)于paviaU圖像，使用本發(fā)明的方法與SBBS、MVPCA和k-medoids都選取了 50個(gè)波 段，選擇1%的已知標(biāo)記樣本作為訓(xùn)練樣本，剩余的已知標(biāo)記樣本作為測(cè)試樣本，使用支撐 向量機(jī)（svm)分類器做分類實(shí)驗(yàn)。本高光譜圖像實(shí)驗(yàn)中所用的svm分類器都使用libsvm-3.20實(shí)現(xiàn)，參數(shù)設(shè)為〇 = 1024^ = 2，其余參數(shù)使用默認(rèn)值;結(jié)果如附圖3;
[0092]附圖3是在paviaU高光譜圖像上得到的本發(fā)明方法與現(xiàn)有三種波段選擇方法的效 果對(duì)比曲線圖。圖中呈現(xiàn)了四種方法分別挑選出5至50個(gè)波段后用于分類得到的準(zhǔn)確度。從 圖中可以看出，在整個(gè)波段變化范圍上本發(fā)明方法的效果明顯優(yōu)于現(xiàn)有三種方法，而且本 發(fā)明在挑選10個(gè)波段時(shí)，識(shí)別性能已經(jīng)趨于穩(wěn)定水平，而且分類效果很好，達(dá)到了其他方法 選擇50個(gè)波段時(shí)的水平，說明本發(fā)明方法在挑選出較少的波段時(shí)就可以達(dá)到最優(yōu)效果。
[0093]綜上，本發(fā)明的效果明顯優(yōu)于其它幾種方法，在不同波段數(shù)目的情況下，除了個(gè)別 的波段數(shù)，相對(duì)其他方法識(shí)別性能都有了明顯提升，表明本發(fā)明選擇的波段子集中包含豐 富的判別信息，有較好的識(shí)別性能。
【主權(quán)項(xiàng)】
1. 一種基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法，其特征在于，包括有如下步驟： (1) 輸入高光譜圖像八； (2) 將所述高光譜圖像A的光譜值歸一化到〇-1之間，得到歸一化后的高光譜圖像A'; (3) 將所述歸一化后的高光譜圖像A'中的每個(gè)波段圖像記為^，其中Xl表示第i個(gè)波段 圖像，i = l，2. . .N，對(duì)歸一化后的高光譜圖像A'中的各個(gè)波段圖像求平均，得到平均圖像， 記為y'; (4) 對(duì)所述歸一化后的高光譜圖像A'中每個(gè)波段圖像^和平均圖像/進(jìn)行量化，得到 量化后的波段圖像χ/和量化后的平均圖像y'; (5) 利用質(zhì)量評(píng)價(jià)準(zhǔn)則，以量化后的平均圖像y'為參考，求出所述量化后的波段圖像^' 的質(zhì)量評(píng)價(jià)值，第i個(gè)量化后的波段圖像χ/的質(zhì)量評(píng)價(jià)值，記為QU/ ); (6) 利用所述的質(zhì)量評(píng)價(jià)值Q(x/)，替換MRMR波段選擇方法所用公式中波段與樣本 標(biāo)簽之間的互信息，得到替換后的公式：其中m指的是選擇第m個(gè)波段，此波段是X-S^i波段集合中的一個(gè)波段，X為波段全集， Sw為已選出的m-1個(gè)波段的集合，X-Sw為待進(jìn)行選擇的波段的集合，x/是待進(jìn)行選擇的 一個(gè)波段，I(x/，x</)指的是波段x/與波段x/的互信息，x/是已經(jīng)選出來的波段，Q(x/， y')指的是波段χ/和波段y'的圖像質(zhì)量評(píng)價(jià)值，參數(shù)α用來調(diào)整圖像質(zhì)量評(píng)價(jià)值和波段之 間冗余度所占的重要性； (7) 根據(jù)所述替換后的公式，得到改進(jìn)的MRMR波段選擇方法，并利用該方法進(jìn)行波段選 擇。2. 根據(jù)權(quán)利要求1所述的基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法，其特征在于， 步驟(5)中所述的質(zhì)量評(píng)價(jià)值，采用基于結(jié)構(gòu)相似性的質(zhì)量評(píng)價(jià)準(zhǔn)則SS頂求取，按照如下步 驟實(shí)現(xiàn)： (5a)計(jì)算量化后的波段圖像1/，i = l，2. . .Ν和量化后的平均圖像/的平均強(qiáng)度表示量化后的波段圖像1/的平均強(qiáng)度，μ/表示量化后的平均圖像y'的平均強(qiáng)度，Μ 指的是波段圖像1/和平均圖像y'的像素點(diǎn)數(shù)，％/表示波段圖像χ/的第j個(gè)像素點(diǎn)，y/表 示平均圖像y'的第j個(gè)像素點(diǎn)，j = l，2.. .M; (5b)計(jì)算量化后的波段圖像1/和量化后的平均圖像/的亮度對(duì)比函數(shù)Kx/，/)其中Cl=(KlL)2,參數(shù)L可以取像素值變化范圍內(nèi)的任意值，參數(shù) Kl是一個(gè)小于!的常數(shù)； (5c)計(jì)算量化后的波段圖像1/和量化后的平均圖像/的標(biāo)準(zhǔn)差其中4/為量化后的波段圖像x/的標(biāo)準(zhǔn)差，S/為量化后的平均圖像/的標(biāo)準(zhǔn)差； (5d)計(jì)算量化后的波段圖像。和量化后的平均圖像/的對(duì)比度對(duì)比函數(shù)c(x/ y)其中C2=(K2L)2,參數(shù)K2是一個(gè)小于1的常數(shù)； (5e)計(jì)算量化后的波段圖像χ/和量化后的平均圖像/的結(jié)構(gòu)對(duì)比函數(shù)S(x/ )其中C3 Λ-,γ的定義如下所示 (5f)計(jì)算SS頂?shù)闹礢SlKx/ ,/ ) = [Ι(χ/ ,γ7 )]"[C(x1/ ,/ )]p[S(x1/ ,yf)V η、β、γ為大于零的常數(shù)，控制I(x/，/ )、C(X/，/ )、S(X/，/ )在求ss頂值時(shí)所占的重 要性，SSIM(x/，/ )即步驟5記為Q(x/，/ )的圖像質(zhì)量評(píng)價(jià)值。3.根據(jù)權(quán)利要求1所述的基于圖像質(zhì)量評(píng)價(jià)的高光譜圖像波段選擇方法，其特征在于， 步驟(7)中所述的波段選擇，其選擇的波段數(shù)記為P，按如下步驟實(shí)現(xiàn)： (7a)將高光譜圖像中的N個(gè)波段組成的波段集合記為X，設(shè)置一個(gè)空集合S=[]; (7b)根據(jù)所述的SS頂值，從波段集合X選擇一個(gè)波段，將其加入空集合S，得到已選波段 集合Si，在原始波段集X中去除選擇出的第一個(gè)波段，得到待選波段集合X-&; 從N個(gè)SSIM值中選出最大的SS頂值，把其對(duì)應(yīng)的波段圖像作為選出來的第一個(gè)波段，并 把此波段記為P1，將此波段加入空集合S，得到已選波段集合S1=[P1]，在原始波段集X中去 除掉波段 ?1，得到待選波段集合為X-&，其波段個(gè)數(shù)為N-1個(gè)； (7c)根據(jù)改進(jìn)的公式從所述待選波段集合X-Si中選擇第二個(gè)波段，將其加入Si得到已 選波段集合S2，在待選集合X-Si中去除選擇出的第二個(gè)波段，得到新的待選波段集合X-S2; 把MRMR波段選擇方法，所用公式中波段與樣本標(biāo)簽之間的互信息替換為質(zhì)量評(píng)價(jià)值 SSIM，改進(jìn)的公式如下所示：根據(jù)上式選擇第二個(gè)波段，其中Xi/是待選波段集合X-Si中的一個(gè)波段，k= 1，2.. . N-l， x/是已選波段集合31中的一個(gè)波段，此時(shí)的已選波段集合中只有一個(gè)波段，即（7b)中選出 來的波段口:，此公式的目的是選出SSM值大的波段同時(shí)此波段又與已選波段集合中波段的 冗余度最小。把選出來的第二個(gè)波段記為p 2,將此波段加入波段集合31，得到已選波段集合 &=[ριΡ2]，&表示已選波段集合中有兩個(gè)波段，在X-Si集合中去除選擇出的第二個(gè)波段，得 到新的待選波段集合X_S 2,其波段個(gè)數(shù)為N-2,參數(shù)α用來調(diào)整圖像質(zhì)量評(píng)價(jià)值SS頂和波段 之間冗余度所占的重要性； (7d)根據(jù)改進(jìn)的公式從所述待選波段集合Χ-&中選擇第三個(gè)波段，將其加入S2得到已 選波段集合S3，在待選波段集合X_S2中去除選擇出的第三個(gè)波段，得到新的待選波段集合X-S 3； 根據(jù)上式選擇第二丫奴權(quán)，興T奴權(quán)間豕Xk付逃奴權(quán)采百Λ-52 T H、J 一, Γ波段，k = 1，2...N-2,波段圖像1</是已選波段集合52中的一個(gè)波段，此時(shí)的已選波段集合中有兩個(gè)波 段，即（7b)中選出來的波段pjP(7c)中選出來的波段p2,此公式的目的是選出SS頂值大的波 段同時(shí)此波段又與已選波段集合中波段的冗余度最小。把選出來的第三個(gè)波段記為P3,將 此波段加入&，得到已選波段集合S 3=[piP2p3]，S3表示已選波段集合中有三個(gè)波段，在X-& 集合中去除選擇出的第三個(gè)波段，得到新的待選波段集合X-S 3，其波段個(gè)數(shù)為N-3; (7e)根據(jù)改進(jìn)的公式從所述待選波段集合X-Sh中選擇第m個(gè)波段，將其加入Sh得到 已選波段集合Sm，在待選波段集合X-Sm-i中去除選擇出的第m個(gè)波段，得到新的待選波段集 合X-S m;根據(jù)上式選擇第m個(gè)波段，其中χι/為待選波段集合X-Sw中的一個(gè)波段，k = 1，2. . . N-(m-1)，波段圖像1</是已選波段集合Sw中的一個(gè)波段，此時(shí)的已選波段集合中有m-1個(gè)波 段，即通過上述步驟選出來的波段piP2. . .pn，此公式的目的是選出SS頂值大的波段同時(shí)此 波段又與已選波段集合的波段的冗余度最小。把選出來的第m個(gè)波段記為p m，將此波段加入 已選波段集合Sm-i中得到已選波段集合Sm=[p iP2p3. . .pm-示已選波段集合中有m個(gè) 波段，在X-Sh集合中去除選擇出的第m個(gè)波段，得到新的待選波段集合X-S m; (7f):重復(fù)執(zhí)行步驟(7e)，逐步選擇波段，直到達(dá)到所需的波段數(shù)目p，此時(shí)已選集合SP 中即為所需波段。
【文檔編號(hào)】G06T7/00GK105869161SQ201610182415
【公開日】2016年8月17日
【申請(qǐng)日】2016年3月28日
【發(fā)明人】曹向海, 李星華, 梁甜, 李澤瀚, 焦李成
【申請(qǐng)人】西安電子科技大學(xué)