专利名称：一种基于多光谱数据的物体识别方法和装置的制作方法
技术领域：
本发明涉及光谱识别领域，更具体地说，涉及一种基于多光谱数据的物体识别方法和装置。
背景技术：
多光谱数据目前在高空雷达成像中应用比较多。在通过不同波长的红外波获取不同地物的多光谱数据后，需要根据这些数据对地物的种类，如房屋、森林、草地等进行识别。 由于多光谱数据量大，而数据的种类标定非常繁琐，所以不需训练或者只需少量训练样本的识别方法显得尤为重要。如果采用原始光谱数据进行识别，其中的噪声会大大影响准确率。为此，采用数学工具从这些多光谱数据抽取具有较大类间差异的特征，对于识别准确率显得尤为重要。如果将多光谱数据中地物的空间位置作为X，Y平面，红外光谱的波长作为Z轴，则多光谱响应是一个三维空间的数据。由于相同地物在相同波段应该具有类似的光谱响应， 识别系统采用的数学工具应该能够同时抽取物体在X，Y空间、光谱波长Z轴、以及联合X、 Y、Z空间变化的特性，从而能够最大程度上代表物体的特性，并加以区分。目前，研究人员已经对基于多光谱数据的物体识别方法进行了一定的研究，并取得了一定的成果。有研究人员采用二维Gabor小波先在同一波段的X-Y平面提取物体特征，然后将该不同波段的特征通过比较来获得三维空间信息。在该方法中，物体的特征表述在X-Y空间和Z轴是分步得到的，该信息没有同时捕捉物体在三维空间的变化。有研究人员采用三维Gabor小波同时抽取了物体在X-Y平面、光谱Z轴、以及联合X、Y、Z空间的变化特性，然后将物体分成若干小块，将块内的特征统计作为物体的整体描述。由于采用了统计方法，该特征在空间的分辨率不高，且该表述并没有用到Gabor小波的虚部，特征大大弱化。其他一些方法主要直接采用光谱特性作为识别依据，由于数据中大量噪声的存在，往往需要复杂的分类器，并且需要大量的训练样本才能达到较好的识别效果。综上所述，目前传统的技术方案的缺点大致如下1.直接采用具有大量噪声的光谱数据作为识别依据，需要复杂的分类器和大量的训练数据；2.从光谱响应抽取特征时，不能同时抽取物体在X-Y平面、光谱Z轴、以及联合X、 Υ、ζ空间的变化特性，特征表述不能很好的代表物体特性；3.能同时抽取X-Y-Z空间变化特性的方法的空间分辨率低，且没有用到Gabor小波的虚部，特征大大弱化。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种能够从具有大量噪声的多光谱数据中同时抽取物体在X-Y平面、光谱Z轴、以及联合Χ、Υ、Ζ空间的变化特性；并在抽取具有代表性的物体特性的同时，保留其在三维空间的较高分辨率，从而达到准确的识别效果的基于多光谱数据的物体识别方法。本发明解决其技术问题所采用的技术方案是构造一种基于多光谱数据的物体识别方法，包括Si.获取待识别物体的多光谱数据；S2.生成多个三维Gabor小波；S3.将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个 Gabor 口向应；S4.基于所述多个Gabor响应生成多个识别Gabor特征；S5.基于所述多个识别Gabor特征识别所述待识别物体。在本发明所述的基于多光谱数据的物体识别方法中，所述步骤S4进一步包括S41.基于设定参数从所述多个Gabor响应获取多个待选Gabor特征；S42.使用训练数据从所述多个待选Gabor特征中选择识别准确率最高的待选 Gabor特征加入到已选Gabor特征中；S43.从剩余的所述多个待选Gabor特征中选择与所述已选Gabor特征融合后获得最大准确率增量的待选Gabor特征；S44.判断所述最大准确率增量是否大于设定阈值，如果是执行步骤S45，否则执行步骤S46 ；S45.将选择的所述待选Gabor特征加入到已选Gabor特征中，并返回到步骤S43 ；在本发明所述的基于多光谱数据的物体识别方法中，所述设定参数包括幅值、相位和/或角度。在本发明所述的基于多光谱数据的物体识别方法中，使用前向搜索或者后向搜索从所述多个Gabor响应生成所述多个识别Gabor特征。在本发明所述的基于多光谱数据的物体识别方法中，所述多个识别Gabor特征包括所述待识别物体在X-Y平面、光谱Z轴、以及X、Y、Z空间中特定频率和方向的信号变化特性。
函数为
维
K = 4。
个三维Gabor小波进行卷积操作由下列公式实现
权利要求
1.一种基于多光谱数据的物体识别方法，其特征在于，包括51.获取待识别物体的多光谱数据；52.生成多个三维Gabor小波；53.将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个Gabor响应；54.基于所述多个Gabor响应生成多个识别Gabor特征；55.基于所述多个识别Gabor特征识别所述待识别物体。
2.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S4 进一步包括541.基于设定参数从所述多个Gabor响应获取多个待选Gabor特征；542.使用训练数据从所述多个待选Gabor特征中选择识别准确率最高的待选Gabor特征加入到已选Gabor特征中；543.从剩余的所述多个待选Gabor特征中选择与所述已选Gabor特征融合后获得最大准确率增量的待选Gabor特征；544.判断所述最大准确率增量是否大于设定阈值，如果是执行步骤S45，否则执行步骤 S46 ；545.将选择的所述待选Gabor特征加入到已选Gabor特征中，并返回到步骤S43；546.将获得的已选Gabor特征作为所述多个识别Gabor特征。
3.根据权利要求2所述的基于多光谱数据的物体识别方法，其特征在于，所述设定参数包括幅值、相位和/或角度。
4.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S4 进一步包括使用前向搜索或者后向搜索从所述多个Gabor响应生成所述多个识别Gabor 特征。
5.根据权利要求1-4中任一权利要求所述的基于多光谱数据的物体识别方法，其特征在于，所述多个识别Gabor特征包括所述待识别物体在X-Y平面、光谱Z轴、以及X、Y、Z空间中特定频率和方向的信号变化特性。
6.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，在所述步骤 S2中，所述三维Gabor小波的生成函数为
7.
8.根据权利要求7所述的基于多光谱数据的物体识别方法，其特征在于，在所述步骤 S4中，所述基于所述多个Gabor响应生成多个识别Gabor特征包括S4a、使用下列公式对所述多个Gabor响应取幅值 mi,j,k(X' y，b) = |gi,j,k(x，y，b)S4b.假设所述多光谱数据V(x，y, b)为B个频谱光扫描获得，将所有B波段的响应连接生成所述多个识别Gabor特征Mij,ty) = lmw(χ'^1)(χ'>"'2)Λ 讲出江少,·8)〗，其中 β 为正整数。
9.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S5 进一步包括通过欧几里德距离计算待识别物体与最相似物体的相似程度，从而待识别物体识别为最相似的物体。
10.一种基于多光谱数据的物体识别装置，其特征在于，包括 获取模块，用于获取待识别物体的多光谱数据；Gabor小波模块，用于生成多个三维Gabor小波；卷积模块，用于将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个Gabor响应；特征模块，用于基于所述多个Gabor响应生成多个识别Gabor特征， 识别模块，用于基于所述多个识别Gabor特征识别所述待识别物体。
全文摘要
本发明涉及一种基于多光谱数据的物体识别方法和装置。所述方法包括S1.获取待识别物体的多光谱数据；S2.生成多个三维Gabor小波；S3.将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个Gabor响应；S4.基于所述多个Gabor响应生成多个识别Gabor特征；S5.基于所述多个识别Gabor特征识别所述待识别物体。实施本发明的多光谱数据的物体识别方法和装置，能够同时抽取物体在X-Y平面、光谱Z轴、以及联合X、Y、Z空间提取物体的变化信息，特征表述能很好的代表物体特性，并且能很好的抑制数据获取过程中的噪声，不需要复杂的分类器和大量训练数据；识别准确度更高。
文档编号G01S7/48GK102156872SQ201010611248
公开日2011年8月17日 申请日期2010年12月29日 优先权日2010年12月29日
发明者沈琳琳 申请人:深圳大学