基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取方法
【專利摘要】本發(fā)明公開一種基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取方法，首先根據(jù)已知純凈地物像元的光譜反射率向量建立感興趣地物的光譜反射率標(biāo)準(zhǔn)混合向量；然后，計算感興趣地物的光譜反射率標(biāo)準(zhǔn)混合向量與待處理高光譜影像中每個像元的光譜向量的相關(guān)系數(shù)，得到像元相關(guān)系數(shù)偏差矩陣；最后，以像元相關(guān)系數(shù)偏差矩陣構(gòu)造C?V活動輪廓模型，進而利用有限差分法求解該模型來實現(xiàn)感興趣區(qū)域像元的提取。實施例的測試結(jié)果表明，本發(fā)明能夠用更少的迭代次數(shù)取得明顯優(yōu)于傳統(tǒng)C?V模型的提取結(jié)果。
【專利說明】
基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及圖像處理領(lǐng)域，尤其是一種可區(qū)分地物類別、計算速度快的基于活動 輪廓模型的高光譜影像感興趣區(qū)域自動提取方法。
【背景技術(shù)】
[0002] 目前，高光譜遙感技術(shù)正朝著更高的空間分辨率、更高的光譜分辨率和更高的時 間分辨率方向發(fā)展，運使得高光譜影像的數(shù)據(jù)量呈指數(shù)量級增加 。WAVIRISUirborne Visible/In打aed Imaging Spectrometer,航空可見光/紅外光成像光譜儀）型高光譜影像 為例，它擁有224個連續(xù)波段，每個波段圖像包含512X614像素，每個像素占用16bit，其存 儲空間超過140M字節(jié)。故此，高光譜遙感影像的高效率編碼是緩解高光譜影像數(shù)據(jù)信息獲 取與傳輸之間矛盾的方法之一。
[0003] 在對高光譜影像進行壓縮的過程中，若采用常規(guī)的有損壓縮方法對圖像進行處 理，圖像中所有像素點將會W同樣的重要程度進行編碼，于是影像中那些重要的、感興趣區(qū) 域的像素點攜帶的重要信息在壓縮中可能會由于沒有得到保真處理被視為不重要信息被 舍棄，進而可能導(dǎo)致解碼端無法重構(gòu)高光譜影像中的運些重要像素點。例如:農(nóng)作物病蟲害 監(jiān)測人員重點關(guān)注發(fā)生病蟲害的農(nóng)田，礦物勘探者重點關(guān)注可能含有礦物的地區(qū)，而軍事 偵察人員則重點關(guān)注各種軍事目標(biāo)。因此，在高光譜影像的編碼過程中，可W根據(jù)不同使用 目的對重點關(guān)注的區(qū)域（即感興趣區(qū)域)進行高保真或無損壓縮，而對其它區(qū)域則進行低保 真的有損壓縮，從而得到較高的壓縮比且不丟失重要信息。在運種情況下，高光譜影像的感 興趣區(qū)域提取就成為一個首先需要解決的問題。
[0004] 現(xiàn)有高光譜影像的感興趣區(qū)域提取方法大多采用最大位移法、部分重要位平面位 移法和逐個位平面位移法等典型方法，但是運些方法均未考慮高光譜影像的地學(xué)意義上的 地物特征(如植被、水體、巖礦、±壤、城市人工目標(biāo)等），有可能會將屬于不同地物的像素劃 分到同一個感興趣區(qū)域，而且計算速度慢，W致影響高光譜影像的進一步實際應(yīng)用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種可區(qū)分地物類別、 計算速度快的基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取方法。
[0006] 本發(fā)明的技術(shù)解決方案是:一種基于活動輪廓模型的高光譜影像感興趣區(qū)域自動 提取方法，其特征在于按如下步驟進行： 步驟1.輸入一幅大小為燃.Μ效像素的高光譜影像，建立光譜向量矩陣：
其中, (l<i<巧，！<j<n'嗦示空間位置ft.義處的像元的光譜向量，每個向量 的分量數(shù)目等于高光譜影像的波段數(shù)； 步驟2.建立感興趣地物的光譜反射率矩陣：
其中，每一行代表一種感興趣的具體地物在不同波段下的反射率向量，聲表示波段數(shù)， 可根據(jù)高光譜圖像的數(shù)據(jù)類型或?qū)嶒炛衅谕⒌南蛄烤S數(shù)來確定，祭表示感興趣的代表 性地物數(shù)量； 步驟3.根據(jù)公式(υ，采用線性光譜混合模型構(gòu)造混合像元的標(biāo)準(zhǔn)參考向量；：
難 其中，每為；中各端元向量^所占的比例，且
：（為誤差項，霉為矩陣R的 第古個行向量； 步驟4.根據(jù)公式巧.)計算輸入圖像的每個像元光譜向量與混合像元標(biāo)準(zhǔn)向量三的相 關(guān)系數(shù)，得到偏差矩時

其中，馬為像元(U)的光譜反射率向量與混合像元的標(biāo)準(zhǔn)反射率向量之間的相關(guān) 系數(shù)，
表示像元(S:.為在第垂個波段的光譜反射率； 步驟5.對感興趣區(qū)域的輪廓水平集技進行初始化，再W像元相關(guān)系數(shù)偏差矩陣茲窮 構(gòu)造 C-V模型能量函數(shù)：
其中，孩將圖像分為巧的內(nèi)部與外部兩個區(qū)域，其區(qū)域平均灰度分別表示為孩;: 與巧，玉依)表示閉合曲線巧的弧長，巧C襪示曲線c包圍的面積，與、、巧。分別為 能量權(quán)重系數(shù)，^興^為偏差矩陣Δ賽中位于第i行、第j列的元素； 步驟6.用Euler-Lagrange方法計算使公式巧j取得最小值時對應(yīng)的輪廓水平集替，其 形式由公式議所示的梯度下降流給出：
步驟7:利用有限差分法迭代求解公式(4)，所得的水平集函數(shù)所包圍的區(qū)域即為提 取出的感興趣區(qū)域。
[0007]與現(xiàn)有技術(shù)相比，本發(fā)明具有W下特點：首先，本發(fā)明通過構(gòu)造混合像元的標(biāo)準(zhǔn)參 考向量，可在對地物無先驗知識的條件下進行感興趣區(qū)域的提取，適合星載成像光譜儀獲 取原始高光譜影像后在無任何地物參考參數(shù)時實施預(yù)處理。其次，本發(fā)明是W目標(biāo)像元的 光譜向量與感興趣像元標(biāo)準(zhǔn)混合向量的相似度作為判別依據(jù)，提取出的感興趣區(qū)域符合地 學(xué)意義上的對地觀測要求且提取速度快。
【附圖說明】
[000引圖1是本發(fā)明實施例的流程圖。
[0009] 圖2是本發(fā)明實施例與傳統(tǒng)的C-V方法從化sperRidge地區(qū)的植被覆蓋圖中提取感 興趣的植被區(qū)域的結(jié)果對比。
[0010] 圖3是本發(fā)明實施例與傳統(tǒng)的C-V方法從CuprUe地區(qū)的礦物覆蓋圖中提取感興趣 的裸露礦石區(qū)域的結(jié)果對比。
【具體實施方式】
[0011] 本發(fā)明實施例提供的一種基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取 方法，如圖1所示包括如下步驟： 步驟1.輸入一幅大小為纖沁狡像素的高光譜影像，建立其光譜向量矩陣：
其中，％(1這3空賄，主空?公轉(zhuǎn)）表示空間位置食;4處的像元的光譜向量，每個向 量的分量數(shù)目等于高光譜影像的波段數(shù)； 步驟2.建立感興趣地物（如植被、水體、巖礦、±壤、城市人工目標(biāo)）的光譜反射率矩 陣：
其中，每一行代表某一種感興趣的具體地物在不同波段下的反射率向量（即純凈像元 的光譜反射率向量），3'表示波段數(shù)，其值可根據(jù)高光譜圖像的數(shù)據(jù)類型或?qū)嶒炛衅谕?的向量維數(shù)來確定(如對于AVIRIS型高光譜影像，g的上限值可達(dá)224)，F(xiàn)表示感興趣的代 表性地物數(shù)量； 步驟3.根據(jù)公式α)，采用線性光譜混合模型構(gòu)造混合像元的標(biāo)準(zhǔn)參考向量? :
II)： 其中，咬為》中各端元向量辜所占的比例，且'
C為誤差項，璋為矩陣遜 的第?個行向量； 步驟4.根據(jù)公式讓：)計算輸入圖像的每個像元光譜向量與混合像元標(biāo)準(zhǔn)向量5的相 關(guān)系數(shù)，得到偏差矩陣

其中，賃為像元的光譜反射率向量與混合像元的標(biāo)準(zhǔn)反射率向量；之間的相關(guān) 系數(shù)，
表示像元在第^個波段的光譜反射 率. 步驟5.對感興趣區(qū)域的輪廓水平集孩進行初始化，再W像元相關(guān)系數(shù)偏差矩陣茜冀 構(gòu)造 C-V模型能量函數(shù)：
其中，Γ將圖像聲分為巧的內(nèi)部與外部兩個區(qū)域，其區(qū)域平均灰度分別表示為巧： 與￡7。，￡i巧表示閉合曲線C的弧長，覆駭1表示曲線巧包圍的面積，戒、怒、聲、巧。分別為能 量權(quán)重系數(shù)，為偏差矩陣遠(yuǎn)賽中位于第i行、第j列的元素，參數(shù)值取為戒=1000,躬=0， .1; =? 喪:=.:'玉； 步驟6.用化ler-Lagrange方法計算使公式巧.)取得最小值時對應(yīng)的輪廓水平集巧，其 形式由公式i凝所示的梯度下降流給出：
步驟7:利用有限差分法迭代求解公式(4)，所得的水平集函數(shù)孩所包圍的區(qū)域即為提 取出的感興趣區(qū)域，算法結(jié)束。
[0012] 本發(fā)明實施例與傳統(tǒng)的C-V方法從化sperRidge地區(qū)的植被覆蓋圖中提取感興趣 的植被區(qū)域的結(jié)果對比如圖2所示； 本發(fā)明實施例與傳統(tǒng)的C-V方法從Cuprite地區(qū)的礦物覆蓋圖中提取感興趣的裸露礦 石區(qū)域的結(jié)果對比如圖3所示。
[0013] 從圖2、圖3可W看出：本發(fā)明能夠用更少的迭代次數(shù)取得明顯優(yōu)于傳統(tǒng)C-V模型的 提取結(jié)果。
【主權(quán)項】
1. 一種基于活動輪廓模型的高光譜影像感興趣區(qū)域自動提取方法，其特征在于按如下 步驟進行： 步驟1.輸入一幅大小為教:像素的高光譜影像，建立光譜向量矩陣：其中，_i._s丨左齊）表示空間位置丨_φ._^處的像元的光譜向量，每個向量的 分量數(shù)目等于高光譜影像的波段數(shù)； 步驟2.建立感興趣地物的光譜反射率矩陣：其中，每一行代表一種感興趣的具體地物在不同波段下的反射率向量，t表示波段數(shù)， 可根據(jù)高光譜圖像的數(shù)據(jù)類型或?qū)嶒炛衅谕⒌南蛄烤S數(shù)來確定，夢表示感興趣的代表 性地物數(shù)量； 步驟3.根據(jù)公式轉(zhuǎn)，采用線性光譜混合模型構(gòu)造混合像元的標(biāo)準(zhǔn)參考向量^ :其中，5為^中各端元向量f所占的比例，且￡^-為誤差項，芩為矩陣R的 第$個行向量； 步驟4.根據(jù)公式口Η十算輸入圖像的每個像元光譜向量與混合像元標(biāo)準(zhǔn)向量.:α的相關(guān) 系數(shù)，得到偏差矩陣其中，$為像元ivi)的光譜反射率向量與混合像元的標(biāo)準(zhǔn)反射率向量：之間的相關(guān)系表示像元在第&個波段的光譜反射率； 步驟5.對感興趣區(qū)域的輪廓水平集^進行初始化，再以像元相關(guān)系數(shù)偏差矩陣羞！構(gòu) 造 C-V模型能量函數(shù)：其中，屬將圖像分為禮的內(nèi)部與外部兩個區(qū)域，其區(qū)域平均灰度分別表示為$ 與匕表示閉合曲線（的弧長，資謂表示曲線0包圍的面積，ms:、％分別為能 量權(quán)重系數(shù)，&為偏差矩陣么遠(yuǎn)中位于第i行、第j列的元素； 步驟6.用Euler-Lagrange方法計算使公式⑶取得最小值時對應(yīng)的輪廓水平集〇'，其 形式由公式⑷所示的梯度下降流給出：其中，·為散度算子，雄的定義為：步驟7:利用有限差分法迭代求解公式_，所得的水平集函數(shù)夕所包圍的區(qū)域即為提取 出的感興趣區(qū)域。
【文檔編號】G06K9/32GK105825217SQ201610165962
【公開日】2016年8月3日
【申請日】2016年3月22日
【發(fā)明人】王相海, 宋傳鳴, 解天, 畢曉昀
【申請人】遼寧師范大學(xué)