一种基于张量光谱匹配滤波的高光谱图像目标检测方法与流程

本发明涉及高光谱图像的目标检测。

背景技术：

高光谱传感器通过上百个光谱通道获取地物的反射辐射信息，其波段范围覆盖了从可见光到近红外乃至长波红外区域，高光谱图像同时包含了地物的空间信息、反射或辐射信息以及光谱信息，其特性通常被称为“图谱合一”。而且，高光谱图像数据提供了近乎连续的光谱采样信息，可以记录地物在光谱上很小的反射差异。这个特性被称作地物的诊断特性，可以作为对地物进行分类和检测的依据。研究高光谱图像目标检测新技术，具有重要的理论意义和应用价值。在军事方面，可以揭露敌方目标的伪装、隐藏和欺骗。在民用方面，公共安全、食品安全、质量监控、森林着火点检测、失事点搜寻与营救等方面已经有重要应用。

现有典型的目标检测方法有基于有限冲积响应滤波器的约束能量最小化方法(constrainedenergyminimization，cem)，正交子空间目标检测方法(orthogonalsubspaceprojection，osp)，匹配子空间检测方法(matchedsubspacedetector，msd)等经典方法以及近几年提出的稀疏表示检测方法(sparserepresentation，sr)等。

当前目标检测主要利用光谱匹配特性，通过光谱匹配程度判断单点光谱的属性，并未充分考虑在高分条件下空间约束增强的特性，即局部相关性增大的特性，空间-光谱联合检测方法可以提高光谱和空间的利用能力，但一般的空间-光谱联合方法仅仅从光谱或空间的简单组合操作进行分析，而不能从三维数据整体进行信息挖掘，检测精度低。

张量(tensor)，即多维数组，更正式地说，一个n阶张量就是n个向量的张量积的结果。一个向量是一阶张量，一个矩阵是二阶张量，三阶或更高阶张量称为高阶张量。利用张量模型对图像进行表示，可以有效地利用图像的内在几何结构信息，大幅提升了遥感图像分类等的性能。目前基于张量表示的遥感图像处理方法已经成功应用到高光谱图像的分类和目标检测当中，并取得了更好的分类和检测结果。

技术实现要素：

本发明的目的是为了解决现有高光谱图像目标检测方法中不能从三维数据整体进行信息挖掘，检测精度低的问题，而提出一种基于张量光谱匹配滤波的高光谱图像目标检测方法。

一种基于张量光谱匹配滤波的高光谱图像目标检测方法具体过程为：

步骤一：建立张量表示下的目标和背景的信号表示模型；

步骤二：基于步骤一得到的模型，通过给定的窗口大小，将待检测的高光谱图像转换成三阶张量的形式，得到待检测数据局部邻域的空x-空y-光谱三阶张量，建立基于局部邻域的空x-空y-光谱-样本四阶张量

步骤三：求取步骤二得到的基于局部邻域的空x-空y-光谱-样本四阶张量的空x、空y、光谱三个方向的协方差矩阵；

步骤四：对步骤三得到的三个方向上的协方差矩阵进行求逆，得到逆矩阵，利用得到的逆矩阵对待检测数据局部邻域的空x-空y-光谱三阶张量进行张量子空间投影，得到映射后的新的三阶张量；

步骤五：分别计算目标光谱张量和待检测数据局部邻域的空x-空y-光谱三阶张量与映射后的新的三阶张量的内积，利用张量形式下的广义似然比检测模型和给定的阈值，判定待检测高光谱图像的像元是否为检测目标。

本发明的有益效果为：

本发明方法将高光谱数据转换成张量形式进行处理，从多维数据整体信息进行挖掘，提高了检测精度，相比于现有目标检测单独利用光谱匹配特性，以及目前提出一般的空间-光谱联合方法，解决了不能从三维数据整体进行信息挖掘，检测精度低的问题。

为了验证本发明的性能，针对一组机载可见光/红外成像光谱仪(airbornevisibleinfraredimagingspectrometer，aviris)采集的一组机场数据进行了实验，从图2b和图2c的检测结果图和图3所示的与之对应的接收机工作特性曲线可以看出：与对比试验相比，在虚警率为0.05时，现有smf方法检测概率为0.05，本发明tensorsmf方法检测概率为0.4，在虚警率为0.1时，现有smf方法检测概率为0.12，本发明tensorsmf方法检测概率为0.42，本发明方法能够在低虚警率的情况下达到更好的检测结果，验证了本发明提出的基于张量光谱匹配滤波的高光谱图像目标检测算法的有效性。

附图说明

图1为本发明流程图；

图2a为原始数据第4波段图像图；

图2b为基于张量光谱匹配滤波的高光谱图像目标检测结果图；

图2c为高光谱图像光谱匹配滤波检测结果图；

图3为smf方法和tensorsmf方法的接收机工作特性曲线对比图，smf为现有光谱匹配滤波，tensorsmf为本发明基于张量光谱匹配滤波的高光谱图像目标检测方法。

具体实施方式

具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于张量光谱匹配滤波的高光谱图像目标检测方法具体过程为：

步骤一：建立张量表示下的目标和背景的信号表示模型；

步骤二：基于步骤一得到的模型，通过给定的窗口大小，将待检测的高光谱图像转换成三阶张量的形式，得到待检测数据局部邻域的空x-空y-光谱三阶张量，建立基于局部邻域的空x-空y-光谱-样本四阶张量

步骤三：依据本专利提出的张量光谱匹配滤波算法，求取步骤二得到的基于局部邻域的空x-空y-光谱-样本四阶张量的空x、空y、光谱三个方向的协方差矩阵；

步骤四：对步骤三得到的三个方向上的协方差矩阵进行求逆，得到逆矩阵，利用得到的逆矩阵对待检测数据局部邻域的空x-空y-光谱三阶张量进行张量子空间投影，得到映射后的新的三阶张量；

步骤五：分别计算目标光谱张量和待检测数据局部邻域的空x-空y-光谱三阶张量与映射后的新的三阶张量的内积，利用张量形式下的广义似然比检测模型和给定的阈值，判定待检测高光谱图像的像元是否为检测目标。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中建立张量表示下的目标和背景的信号表示模型；具体过程为：

张量表示下的目标h1和背景h0的信号表示模型为：

其中，为一个高光谱数据的三阶张量表示，表示目标光谱及邻域形成的三阶张量子空间，α表示相应的丰度系数，即相应的权重，为一个高斯随机噪声的三阶张量表示。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中基于步骤一得到的模型，通过给定的窗口大小，将待检测的高光谱图像转换成三阶张量的形式，得到待检测数据局部邻域的空x-空y-光谱三阶张量，建立基于局部邻域的空x-空y-光谱-样本四阶张量具体过程为：

基于步骤一得到的模型，给定一个3×3或5×5的窗口，将待检测的高光谱图像转换成三阶张量的形式，然后将所有的三阶张量形式的待检测的高光谱图像数据建立成基于局部邻域的空x-空y-光谱-样本四阶张量

所述局部邻域的大小为窗口大小。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中依据本专利提出的张量光谱匹配滤波算法，求取步骤二得到的基于局部邻域的空x-空y-光谱-样本四阶张量的空x、空y、光谱三个方向的协方差矩阵；具体过程为：

待检测的高光谱图像中目标h1和背景h0在张量表示模型下的空x-空y-光谱三个方向协方差矩阵计算公式如下：

其中，u1为待检测的高光谱图像中目标h1和背景h0的信号在张量表示模型下的空x方向协方差矩阵，u2为待检测的高光谱图像中目标h1和背景h0的信号在张量表示模型下的空y方向协方差矩阵，u3为待检测的高光谱图像中目标h1和背景h0的信号在张量表示模型下的光谱方向协方差矩阵，表示张量和张量在[2,3,4]维的内积运算，表示张量和张量在[1,3,4]维的内积运算，表示张量和张量在[1,2,4]维的内积运算，为空间，i1为窗口在空-x方向的大小，i2为窗口在空-y方向的大小，i3为待检测的高光谱图像的光谱维度。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四中对步骤三得到的三个方向上的协方差矩阵进行求逆，得到逆矩阵，利用得到的逆矩阵对空x-空y-光谱三阶张量进行张量子空间投影，得到映射后的新的三阶张量；具体过程为：

步骤四一：对于给定的待检测的高光谱图像的像元，以该像元为窗口中心，形成待检测数据局部邻域的空x-空y-光谱三阶张量；

步骤四二：对步骤三得到的三个方向上的协方差矩阵进行求逆，得到逆矩阵，逆矩阵将形成的待检测数据局部邻域的空x-空y-光谱三阶张量映射到新的张量子空间中，计算方法如下：

其中，表示数据映射到张量子空间中得到的新的张量数据，为待检测数据局部邻域的空x-空y-光谱三阶张量，为待检测数据局部邻域的空x-空y-光谱三阶张量映射后的新的三阶张量。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤五中分别计算目标光谱张量和待检测数据局部邻域的空x-空y-光谱三阶张量与映射后的新的三阶张量的内积，利用张量形式下的广义似然比检测模型和给定的阈值，判定待检测高光谱图像的像元是否为检测目标；具体过程为：

所述目标光谱张量是从光谱库中选取的；待检测高光谱图像的像元为待检测数据局部邻域的空x-空y-光谱三阶张量中心；

步骤五一：计算步骤四得到的映射后的新的三阶张量与待检测数据局部邻域的空x-空y-光谱三阶张量的内积；

步骤五二：计算步骤四得到的映射后的新的三阶张量与目标光谱张量的内积；

步骤五三：通过张量表达下的广义似然比检测模型计算得到待检测高光谱图像的像元的检测结果；

张量表达下的广义似然比检测模型如下：

其中，表示待检测高光谱图像中像元的检测结果，η表示设定的阈值，t表示转置；为中间变量；

如果则将待检测高光谱图像中像元确定为目标，否则认为待检测高光谱图像中像元是背景。

其它步骤及参数与具体实施方式一至五之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例一种基于张量光谱匹配滤波的高光谱图像目标检测方法具体是按照以下步骤制备的：

实验所用数据是aviris传感器获得的美国圣地亚哥高光谱图像，数据包含224个光谱波段，波长范围为0.4～1.8μm，地面分辨率3.5m，灰度范围为0～10000，图像大小150×150。数据已经经过了大气、几何校正等预处理，并去除了低信噪比和水汽吸收波段，保留了126个波段。图2a为原始数据第4波段图像，图2b为基于张量光谱匹配滤波的高光谱图像目标检测结果图，图2c为高光谱图像光谱匹配滤波检测结果图，用来作为对比实验，图3为两种方法的接收机工作特性曲线。从图2b和图2c的检测结果图和图3所示的与之对应的接收机工作特性曲线可以看出：与对比试验相比，在虚警率为0.05时，现有smf方法检测概率为0.05，本发明tensorsmf方法检测概率为0.4，本发明方法能够在低虚警率的情况下达到更好的检测结果，证明了本发明方法的有效性。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。