本發(fā)明涉及高光譜圖像目標檢測方法。

背景技術：

高光譜圖像傳感器能夠通過上百個光譜通道獲取地物的反射輻射信息，其波段范圍覆蓋了從可見光到近紅外乃至長波紅外區(qū)域。高光譜圖像同時包含了地物的空間信息、反射或輻射信息及光譜信息，其特性通常被稱為“圖譜合一”。而且，高光譜圖像數(shù)據(jù)提供了近乎連續(xù)的光譜采樣信息，可以記錄地物在光譜上很小的反射差異，作為地物分類和檢測的依據(jù)。研究高光譜圖像目標檢測新技術，具有重要的理論意義和應用價值。在軍事方面，可以揭露敵方目標的偽裝、隱藏和欺騙；在民用方面，在公共安全、質(zhì)量監(jiān)控、失事點搜尋與營救等方面已經(jīng)有重要應用。

當前的目標檢測手段主要有3種：異常檢測、已知樣本下的光譜匹配檢測和一類分類方式檢測。而常用的高光譜圖像光譜匹配檢測模型一般有三種，歐式距離模型，概率統(tǒng)計模型和子空間模型。典型的方法有正交子空間投影檢測方法(orthogonalsubspaceprojection，osp)，特征子空間投影檢測方法(signaturesubspaceprojection，ssp)，匹配子空間檢測方法(matchedsubspacedetector，msd)，光譜匹配濾波檢測方法(spectralmatchedfilter，smf)，自適應余弦估計檢測方法(adaptivecosineestimator，ace)等。

目前針對高光譜圖像的目標檢測主要是利用光譜匹配特性，通過光譜匹配程度來判斷單點的光譜屬性，并未充分考慮在高分條件下空間約束增強的特性，即局部相關性增強的特性。空譜聯(lián)合檢測方法可以提高光譜和空間的利用能力，但一般的空譜聯(lián)合方法僅僅從空間或光譜的簡單組合操作進行分析，不能從三維數(shù)據(jù)的整體進行信息挖掘。

張量(tensor)，即多維數(shù)組，更正式地說，一個n階張量就是n個向量的張量積的結果。一個向量是一階張量，一個矩陣是二階張量，三階或更高階張量稱為高階張量。利用張量模型對圖像進行表示，可以有效地利用圖像的內(nèi)在幾何結構信息，大幅提升了遙感圖像分類等的性能。目前基于張量表示的遙感圖像處理方法已經(jīng)成功應用到高光譜圖像的分類和目標檢測當中，并取得了更好的分類和檢測結果。

技術實現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有高光譜圖像目標檢測方法中未充分考慮在高分條件下空間約束增強的特性，不能從三維數(shù)據(jù)整體進行信息挖掘，檢測精度低的問題，而提出一種基于張量主成分分析降維的高光譜圖像目標檢測方法。

一種基于張量主成分分析降維的高光譜圖像目標檢測方法具體過程為：

步驟一：對待檢測的高光譜圖像進行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測的空x-空y-光譜三階測試樣本張量塊；

步驟二：設定目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊每一維投影后維度的大小，利用所有待檢測的測試樣本張量塊獲得目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣；

步驟三：根據(jù)步驟二獲得的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣，將步驟一得到的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊投影到預設的張量子空間中；

步驟四：采用tsam距離度量方式，計算在投影后的張量子空間內(nèi)，每一個待檢測的測試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個待檢測的測試樣本張量塊到目標模板張量塊的總距離angle_t(m),m＝1,2,...m；

步驟五：建立張量距離比檢測模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個待檢測的測試樣本張量塊中心點對應的灰度值，設定閾值η，如果任意一個待檢測的測試樣本張量塊中心點對應的灰度值ratio(m)大于閾值η，則確定該中心點的像元為目標，否則認為該中心點的像元為背景。

本發(fā)明的有益效果為：

本發(fā)明基于一種張量主成分分析降維的高光譜圖像目標檢測方法，求取張量塊在三個維度上的投影矩陣，通過投影矩陣將所有待檢測的張量塊以及背景和目標的模板張量塊映射到張量子空間中，在投影后的子空間中求取待檢測的測試樣本張量塊到目標模板張量塊和背景模板張量塊的距離，采用張量距離比模型來刻畫其中心點的地物類別屬性，最終充分利用高光譜數(shù)據(jù)的三維整體信息，實現(xiàn)對目標的有效檢測。其中，待檢測的測試樣本張量塊中心點地物類別屬性指的其中心點的像元是背景還是目標。

張量(tensor)作為對多維數(shù)據(jù)進行分析的有力數(shù)學工具，選用張量模型對高光譜圖像進行表示，有效地利用了圖像內(nèi)在的幾何結構，能夠充分挖掘數(shù)據(jù)整體的信息。

1、由于本發(fā)明方法對張量形式的高光譜圖像進行處理，對三階張量塊進行投影、距離度量等操作，相比于傳統(tǒng)的基于光譜匹配特性進行目標檢測的方法，能夠充分考慮在高分條件下空間約束增強的特性，從三維數(shù)據(jù)整體進行信息挖掘，提高檢測精度，實現(xiàn)對高光譜圖像中目標的有效檢測。

2、本發(fā)明方法中，對傳統(tǒng)的光譜角映射(spectralanglemapping，sam)方法進行了張量形式的推廣，提出用tsam方法來衡量張量塊之間的相似性，用兩種距離的比值來刻畫測試樣本的屬性，能夠較好地實現(xiàn)目標和背景的劃分。

結合圖4a、5a和圖4b、5b所示的高光譜圖像1、2的匹配子空間檢測結果和基于張量主成分分析降維的檢測結果，以及圖4c、5c所示的兩種檢測方法得到的檢測結果對應的roc曲線，從圖4c可得出虛警率為0.1時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.72，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.98；虛警率為0.2時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.82，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.99；從圖5c可得出虛警率為0.2時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.56，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.62；虛警率為0.4時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.62，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.95；可得出本發(fā)明方法能夠在低虛警率的情況下達到好的檢測結果，驗證了本發(fā)明提出的一種基于張量主成分分析降維的高光譜圖像目標檢測方法的有效性。

附圖說明

圖1為本發(fā)明所述方法流程示意圖；

圖2a為圣地亞哥局部高光譜圖像1第5波段圖像示意圖；

圖2b為圣地亞哥局部高光譜圖像1第5波段地物真值圖；

圖3a圣地亞哥局部高光譜圖像2第5波段圖像示意圖；

圖3b圣地亞哥局部高光譜圖像2第5波段地物真值圖；

圖4a圣地亞哥局部高光譜圖像1匹配子空間檢測結果圖；

圖4b圣地亞哥局部高光譜圖像1基于張量主成分分析降維的檢測結果圖；

圖4c圣地亞哥局部高光譜圖像1兩種檢測方法得到的檢測結果對應的roc曲線，橫坐標為虛警率，縱坐標為檢測概率；

圖5a圣地亞哥局部高光譜圖像2匹配子空間檢測結果圖；

圖5b圣地亞哥局部高光譜圖像2基于張量主成分分析降維的檢測結果圖；

圖5c圣地亞哥局部高光譜圖像2兩種檢測方法得到的檢測結果對應的roc曲線，橫坐標為虛警率，縱坐標為檢測概率；

具體實施方式

具體實施方式一：結合圖1說明本實施方式，本實施方式的一種基于張量主成分分析降維的高光譜圖像目標檢測方法，具體過程為：

步驟一：對待檢測的高光譜圖像進行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測的空x-空y-光譜三階測試樣本張量塊；

步驟二：設定目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊每一維投影后維度的大小，利用所有待檢測的測試樣本張量塊獲得目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣；

步驟三：根據(jù)步驟二獲得的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣，將步驟一得到的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊投影到預設的張量子空間中；

步驟四：采用tsam距離度量方式，計算在投影后的張量子空間內(nèi)，每一個待檢測的測試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個待檢測的測試樣本張量塊到目標模板張量塊的總距離angle_t(m),m＝1,2,...m；

步驟五：建立張量距離比檢測模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個待檢測的測試樣本張量塊中心點對應的灰度值，設定閾值η，如果任意一個待檢測的測試樣本張量塊中心點對應的灰度值ratio(m)大于閾值η，則確定該中心點的像元為目標，否則認為該中心點的像元為背景。

具體實施方式二：本實施方式與具體實施方式一不同的是：所述步驟一中對待檢測的高光譜圖像進行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測的空x-空y-光譜三階測試樣本張量塊；具體過程為：

給定一個3×3的窗口，將待檢測的高光譜圖像轉(zhuǎn)換成三階張量的形式，滑動取樣窗口，當取樣窗口中心點對應真值圖的值為1的時候確定為空x-空y-光譜三階目標模板張量塊t-tensor(i),i＝1,2,...nt；當窗口內(nèi)所有點對應真值圖的值均為0的時候確定為空x-空y-光譜三階背景模板張量塊b-tensor(j),j＝1,2,...nb；滑動過程中一共從張量化的高光譜圖像中獲得m個待檢測的、未知類別屬性的空x‐空y‐光譜三階測試樣本張量塊nt、nb和m分別為目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊的個數(shù)，取值均為正整數(shù)。

其它步驟及參數(shù)與具體實施方式一相同。

具體實施方式三：本實施方式與具體實施方式一或二不同的是：所述步驟二中設定目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊每一維投影后維度的大小，利用所有待檢測的測試樣本張量塊獲得目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣；具體過程為：

步驟二一、設定目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊每一維度投影后維度的大小pn,n＝1,2,3；

步驟二二、采用張量主成分分析算法利用所有待檢測的測試樣本張量塊獲得目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣，其步驟如下：

步驟二二一：預處理，將m個待檢測的測試樣本張量中心化其中為m個待檢測的測試樣本張量的均值；

步驟二二二：初始化，計算取的前pn個最大的特征值對應的特征向量按列組成

其中，為中心化后的待檢測測試樣本張量塊的n模展開矩陣，m＝1,...,m，n＝1，...,n，上標t表示轉(zhuǎn)置；是初始化時，用于求取特征向量來得到的矩陣，其上標*表示初始化的過程，用于和后面局部最優(yōu)化過程中的φ⁽ⁿ⁾進行區(qū)分；為初始化時得到的第n個方向上的投影矩陣，上標n表示對應所有張量第n維的投影矩陣，下標0表示初始化的過程，即此時迭代次數(shù)k＝0；

步驟二二三：局部最優(yōu)化；

【1】：根據(jù)步驟二二二得到的將進行投影：

計算的初始離散度：

其中，為中心化后的待檢測測試樣本張量塊經(jīng)過投影的結果，為初始化時得到的n個方向上的投影矩陣，m＝1,...,m，n＝1,...,n；×n表示在中心化后的待檢測測試樣本張量塊的第n維進行投影運算，n＝1,...,n，表示frobenius范數(shù)的平方，□表示

【2】：

(1)初始化迭代次數(shù)k＝1,取φ⁽ⁿ⁾的前pn個最大的特征值對應的特征向量按列組成其表達式為：

其中，為第k-1次迭代得到的第n維對應的投影矩陣，上標n表示對應所有張量第n維的投影矩陣，下標k‐1表示第k‐1次迭代；xm(n)為待檢測測試樣本張量塊的n模展開矩陣，其中m＝1,...,m，n＝1，...,n，上標t表示轉(zhuǎn)置，為所有xm(n)的均值，為除了外，其他n-1個投影矩陣的kronecker積，上標t表示轉(zhuǎn)置，符號表示矩陣的kronecker積；φ⁽ⁿ⁾是迭代過程中，用于求取特征向量來得到的矩陣，φ⁽ⁿ⁾和投影后的待檢測測試樣本張量塊總離散度間的關系為：其中trace(□)表示矩陣的跡，□為

(2)計算和

其中，為第k次迭代時得到的第n維對應的投影矩陣，上標n表示對應所有張量第n維的投影矩陣，n＝1,...,n，下標k表示第k次迭代；為中心化后的待檢測測試樣本張量塊經(jīng)過當前第k次迭代得到的矩陣投影的結果；×n表示在待檢測測試樣本張量的第n維進行投影運算，為當前第k次迭代得到的的總離散度，m＝1,...,m，為的均值，表示frobenius范數(shù)的平方；

(3)重復執(zhí)行步驟(1)、(2)，直至n從1依次取到n，針對本方法中張量塊3個方向上投影矩陣的求解，n為張量的維數(shù)，n為3；

(4)判斷是否成立，如果成立則終止循環(huán)，輸出當前第k次迭代得到的投影矩陣作為最終的投影矩陣反之，令k＝k+1，重復執(zhí)行步驟(1)～(4)，直至迭代次數(shù)k＝kmax；

其中，kmax為預設的最大迭代次數(shù)。

其它步驟及參數(shù)與具體實施方式一或二相同。

具體實施方式四：本實施方式與具體實施方式一至三之一不同的是：所述kmax取100。

其它步驟及參數(shù)與具體實施方式一至三之一相同。

具體實施方式五：本實施方式與具體實施方式一至四之一不同的是：所述步驟三中根據(jù)步驟二獲得的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊三個維度上的投影矩陣，將步驟一得到的目標模板張量塊、背景模板張量塊和待檢測的測試樣本張量塊投影到預設的張量子空間中；具體的過程為：

預設的張量子空間的大小對應步驟二一中設定的每一維度投影后維度的大小pn；

其中，pt-tensor(i)為目標模板張量塊t-tensor(i)經(jīng)三個方向投影矩陣投影后得到的張量子空間里的目標模板張量塊；pb-tensor(j)為背景模板張量塊b-tensor(j)經(jīng)三個方向投影矩陣投影后得到的張量子空間里的背景模板張量塊；為待檢測的測試樣本張量塊經(jīng)三個方向投影矩陣投影后得到的張量子空間里的待檢測的測試樣本張量塊；和分別為空-x、空-y和光譜維度上實際用于投影的投影矩陣。

其它步驟及參數(shù)與具體實施方式一至四之一相同。

具體實施方式六：本實施方式與具體實施方式一至五之一不同的是：所述步驟四中采用tsam距離度量方式，計算在投影后的張量子空間內(nèi)，每一個待檢測的測試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個待檢測的測試樣本張量塊到目標模板張量塊的總距離angle_t(m),m＝1,2,...m；具體過程為：

tsam為光譜角映射(spectralanglemapping)方法的張量形式推廣，對于張量和按照tsam距離度量方式計算和間距離的公式為：

其中，示張量和在(1,2,3)維的內(nèi)積，示張量在(1,2,3)維同自身的內(nèi)積，示張量在(1,2,3)維同自身的內(nèi)積。

angle_b(m)和angle_t(m)的計算公式為：

其中，angle_b(m)為在投影后的張量子空間內(nèi)，任意一個待檢測的測試樣本張量塊到nb個背景模板張量塊pb-tensor(j)的總距離；angle_t(m)為在投影后的張量子空間內(nèi)，任意一個待檢測的測試樣本張量塊到nt個目標模板張量塊pt-tensor(i)的總距離；表示和pb-tensor(j)兩個張量在(1,2,3)維的內(nèi)積，表示同自身兩個張量在(1,2,3)維的內(nèi)積，<pb-tensor(j),pb-tensor(j)>[1,2,3]表示pb-tensor(j)同自身兩個張量在(1,2,3)維的內(nèi)積，表示和pt-tensor(i)兩個張量在(1,2,3)維的內(nèi)積，<pt-tensor(i),pt-tensor(i)>[1,2,3]表示pt-tensor(i)同自身兩個張量在(1,2,3)維的內(nèi)積。

其它步驟及參數(shù)與具體實施方式一至五之一相同。

具體實施方式七：本實施方式與具體實施方式一至六之一不同的是：所述步驟五中建立張量距離比檢測模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個待檢測的測試樣本張量塊中心點對應的灰度值，設定閾值η，如果任意一個待檢測的測試樣本張量塊中心點對應的灰度值ratio(m)大于閾值η，則確定該中心點的像元為目標，否則認為該中心點的像元為背景；具體過程為：

建立張量距離比檢測模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個待檢測的測試樣本張量塊中心點對應的灰度值，用于衡量每個待檢測的測試樣本張量塊的中心點的類別屬性，通過與設定的閾值η相比來得到最終的檢測結果，實施的具體過程為：

設定閾值η，如果任意一個待檢測的測試樣本張量塊中心點對應的灰度值ratio(m)大于閾值η，則確定該中心點的像元為目標，否則認為該中心點的像元為背景。

其它步驟及參數(shù)與具體實施方式一至六之一相同。

采用以下實施例驗證本發(fā)明的有益效果：

實施例一：

本例實施一種基于張量主成分分析降維的高光譜圖像目標檢測方法具體是按照以下步驟制備的，同時采用高光譜圖像匹配子空間檢測方法來作為對比實驗：

本文實驗所用的數(shù)據(jù)是aviris傳感器獲得的美國圣地亞哥地區(qū)的高光譜圖像的兩個截取部分，其大小為分別為100×100和150×150，數(shù)據(jù)經(jīng)過大氣、幾何校正等預處理，并去除了低信噪比和水汽吸收波段，保留了126個光譜波段，波長范圍為0.4～1.8μm，地面分辨率3.5m，灰度范圍為0～10000。為了驗證本發(fā)明方法的有效性，利用高光譜圖像匹配子空間檢測作為對比實驗。圖2a為第1幅局部高光譜圖像的第5波段圖像，圖2b為其對應的真值圖；圖3a為第2幅局部高光譜圖像的第5波段圖像，圖3b為其對應的真值圖；圖4a為第1幅局部高光譜圖像匹配子空間檢測結果，圖4b為第1幅局部高光譜圖像基于張量主成分分析降維的檢測結果；圖4c為兩種檢測方法得到的檢測結果對應的roc曲線；從圖4c可得出虛警率為0.1時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.72，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.98；虛警率為0.2時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.82，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.99；圖5a為第2幅局部高光譜圖像匹配子空間檢測結果，圖5b為第2幅局部高光譜圖像基于張量主成分分析降維的檢測結果；圖5c為兩種檢測方法得到的檢測結果對應的roc曲線；從圖5c可得出虛警率為0.2時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.56，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.62；虛警率為0.4時，現(xiàn)有匹配子空間檢測方法發(fā)現(xiàn)概率為0.62，本發(fā)明張量主成分分析降維檢測方法發(fā)現(xiàn)概率為0.95；從檢測結果可以及roc曲線可以看出，本發(fā)明相比于匹配子空間目標檢測，能夠在虛警概率相同的情況下有更高的檢測概率，證明了本發(fā)明方法的有效性。

本發(fā)明還可有其它多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，本領域技術人員當可根據(jù)本發(fā)明作出各種相應的改變和變形，但這些相應的改變和變形都應屬于本發(fā)明所附的權利要求的保護范圍。