基于纹理特征加强的高光谱图像处理方法
【专利摘要】本发明提供的基于特征加强的高光谱图像处理方法，采用由二维图像中所有像素点的特征值组成的纹理特征矩阵描述相应的二维图像，并对所有二维图像的纹理特征矩阵进行纹理特征加强，得到纹理特征加强矩阵，并根据所有纹理特征加强矩阵提取出主要的纹理特征并形成主要纹理特征向量，用主要纹理特征向量表示高光谱图像。本发明的基于特征加强的高光谱图像处理方法合理利用了高光谱图像的多波长信息，能够准确的捕捉到丰富的纹理特征，便于进行纹理细节的区分，尤其适用于细纹理图像分析。
【专利说明】基于纹理特征加强的高光谱图像处理方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，涉及基于纹理特征加强的高光谱图像处理方法。 【背景技术】
[0002]高光谱图像为三维图像，包括普通二维平面图像信息和波长信息。在对目标的空 间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的 光谱覆盖。一个高光谱图像为有若干个波长对应的二维图像组成的三维高光谱图像。由于 不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，光谱 信息能充分反映样品内部的物理结构、化学成分的差异。
[0003]近红外外高光谱因其快速无损等特性被广泛应用于食品、医药、石油化工等行业。 高光谱图像分析通常分为光谱数据分析和高光谱纹理分析。相对于光谱数据，图像的纹理 更加的接近人的感官视觉，对于微观结构的反应更加准确。目前的纹理分析方法主要应用 传统的二维宏观图片，在高光谱图像纹理方面，当前的方法用于分析处理航拍遥感数据，由 于航拍数据所有的样本都集中展示在一张光谱图像，其纹理分析更加看重对像素向量之间 的关系而不是纹理本身。而在应用在食品和农业等领域的高光谱来源来说，一张高光谱图 像只代表一个样本，其精度远远高于航拍遥感图像，对其的纹理分析更加的关注纹理结构 本身而不是像素向量。到目前分析，对于应用于农业和食品等领域的高光谱纹理分析研究 较少。
[0004]目前在高光谱分析方面，主要可分为以下三种方法:1)通过在若干的光谱图像中 选取代表性的少部分二维图像进行纹理分析，这种方法通常认为光谱反射值好的图片同时 具有优秀的纹理特征，然而这种假设缺乏理论和实践的有效证明。2)直接应用三维纹理方 法，这些三维方法通过将波长当作第三维度，由经典的二维方法拓展而来，然而这种方法因 为过于粗糙会造成大量的信息损失。3)通过定义波段间的关系，将现有的二维方法进行拓 展用来有效的表示三维高光谱图像。
[0005]通过第三种拓展方法可以有效的表示高光谱纹理特征，然而这种方法主要存在以 下三个挑战:1)需要定义一种良好的可以描述细微纹理的方法，该方法需要满足一个优秀 的纹理描述子具有的基本属性，例如旋转不变性等。2)需要合理的利用多波段的信息，这就 需要定义波段之间的相关模型，通过该模型可以有效的捕捉高光谱图像丰富的纹理特点。
3)需要对高光谱提取的大量特征进行降维，通过有监督的降维方法，即可以降低分类模型 耗费的执行时间，又可以提高分类准确率。
【发明内容】
[0006]针对现有技术的不足，本发明提供了一种基于特征加强的高光谱图像处理方法， 能够有效捕捉并描述细微纹理。
[0007]本发明提供的一种基于纹理特征加强的高光谱图像处理方法，所述高光谱图像包 含若干与不同波长对应的二维图像，所述高光谱图像处理方法包括:[0008]I)对任一二维图像进行滤波，得到二维图像中所有像素点的局部方向响应，多次滤波得到的多个方向的局部方向响应组合形成所有像素点的局部方向响应向量；
[0009]2)依次对所述的局部方向响应向量进行归一化和N状态编码，得到编码化的方向向量，根据所述的方向向量获取所有像素点的特征值，并构建纹理特征矩阵；
[0010]3)循环步骤I)-2)获取所有二维图像的纹理特征矩阵，根据各纹理特征矩阵的波长相关性，对每个纹理特征矩阵进行纹理特征加强，得到相应的纹理特征加强矩阵；
[0011]4)从所有的纹理特征加强矩阵中提取主要纹理特征，形成用于表示高光谱图像的主要纹理特征向量。
[0012]本发明的基于纹理特征加强的高光谱图像处理方法采用所有像素点的特征值描述相应的二维图像的纹理特征，保证了图像的旋转不变性，对所有二维图像的纹理特征进行加强并根据加强后的纹理特征提取出主要的纹理特征并形成主要纹理特征向量用于表示高光谱图像。通过合理的利用高光谱图像的多波长信息，能够有效的捕捉高光谱图像丰富的纹理特征。
[0013]所述步骤I)中根据公式:
[0014]
【权利要求】
1.一种基于纹理特征加强的高光谱图像处理方法，所述高光谱图像包含若干与不同波长对应的二维图像，其特征在于，所述高光谱图像处理方法包括:1)对任一二维图像进行滤波，得到二维图像中所有像素点的局部方向响应，多次滤波得到的多个方向的局部方向响应组合形成所有像素点的局部方向响应向量；2)依次对所述的局部方向响应向量进行归一化和N状态编码，得到编码化的方向向量，根据所述的方向向量获取所有像素点的特征值，并构建纹理特征矩阵；3)循环步骤I)?2)获取所有二维图像的纹理特征矩阵，根据各纹理特征矩阵的波长相关性，对每个纹理特征矩阵进行纹理特征加强，得到相应的纹理特征加强矩阵；4)从所有的纹理特征加强矩阵中提取主要纹理特征，形成用于表示高光谱图像的主要纹理特征向量。
2.如权利要求1所述的基于纹理特征加强的高光谱图像处理方法，其特征在于，所述步骤I)中根据公式:进行滤波，其中:I表示当前二维图像；Lfl表示当前二维图像中所有像素点在e方向上的局部方向响应；G b二阶类高斯函数:
3.如权利要求2所述的基于纹理特征加强的高光谱图像处理方法，其特征在于，所述步骤2)中通过公式+sfd(L )对所述的局部方向响应向量中的每一个局部方向响应进行添加标准差的归一化，得到归一化方向响应向量，Lep为二维图像中像素点在9 p方向上的局部方向响应[、为对1?归一化后的局部方向响应，P为二维图像的局部方向响应的方向个数，表不对求标准差。
4.如权利要求3所述的基于纹理特征加强的高光谱图像处理方法，其特征在于，所述步骤2) N状态编码根据概率模型进行，包括:2-1)根据概率模型对归一化后的局部方向响应向量中的所有元素的取值区间划分为N 个区域；2-2)将所述的N个区域从小到大依次采用O，1，……，N-1进行编号；2-3)元素所属区域的编号表示为相应元素的N状态编码结果；所述局部方向响应向量中的所有元素的N状态编码结果即构成编码化的方向向量。
5.如权利要求4所述的基于纹理特征加强的高光谱图像处理方法， 其特征在于，所述步骤2)中采用LRP方法获取所有像素点的特征值:
6.如权利要求5所述的基于纹理特征加强的高光谱图像处理方法，其特征在于，在步骤3)中，对每个纹理特征矩阵进行纹理特征加强时，首先判断当前纹理特征矩阵与其他各个纹理特征矩阵的相关性，将当前纹理特征矩阵以及与当前纹理特征矩阵波长相关的其他所有纹理特征矩阵进行点对点融合得到纹理特征加强矩阵。
7.如权利要求6所述的基于纹理特征加强的高光谱图像处理方法，其特征在于，在步骤3)中，任意两个纹理特征矩阵是否波长相关是根据相关系数得到，所述相关系数的根据 、计算，Cij表示第i和j个波长对应的纹理特征矩阵 Jco v( Uj, a,.) X co Viai,a:)的相关系数，a,和a]分别为第i和j个波长对应的纹理特征矩阵拉伸成的行向量，若Cu>0， 则判定两个纹理特征矩阵波长相关，否则，判定波长不相关。
【文档编号】G06T7/40GK103440625SQ201310358810
【公开日】2013年12月11日 申请日期:2013年8月16日 优先权日:2013年8月16日
【发明者】邓水光, 徐亦飞, 尹建伟, 李莹, 吴健, 吴朝晖 申请人:浙江大学