基于魯棒背景估計(jì)方法的高光譜圖像局部目標(biāo)檢測方法
【專利摘要】本發(fā)明公開了一種基于魯棒背景估計(jì)方法的高光譜圖像局部目標(biāo)檢測方法，用于解決現(xiàn)有高光譜圖像局部目標(biāo)檢測方法虛警率高的技術(shù)問題。技術(shù)方案是首先利用基于光譜角的聚類方法，在白化空間中對輸入圖像進(jìn)行聚類。在檢測過程中，引入MCD估計(jì)方法估計(jì)待測像元所屬聚類的背景參數(shù)，從而提高檢測性能。在RIT提供的數(shù)據(jù)集上目標(biāo)測試結(jié)果顯示，反映虛警數(shù)的平均得分為2.8，較Halper的改進(jìn)方法降低了4.4。衛(wèi)星拍攝的AVIRIS數(shù)據(jù)集上的測試結(jié)果表明，在100％的檢測率下，虛警率為0.11％，而Halper的方法虛警率為0.29％左右，全局方法的虛警率為0.82％；可見本發(fā)明方法明顯降低了虛警率。
【專利說明】基于魯棒背景估計(jì)方法的高光譜圖像局部目標(biāo)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種高光譜圖像局部目標(biāo)檢測方法，特別涉及一種基于魯棒背景估計(jì) 方法的高光譜圖像局部目標(biāo)檢測方法。

【背景技術(shù)】
[0002] 高光譜圖像是利用成像光譜儀將視場中觀測到的各種地物的光譜信息記錄下來 得到影像數(shù)據(jù)，它結(jié)合了地面物質(zhì)的空間和光譜信息，以精細(xì)的光譜分辨率為地物的分類 和檢測提供了可靠依據(jù)。
[0003] 大部分的檢測方法通過計(jì)算待測像元與背景均值的距離，或者通過計(jì)算待測像元 與已知的目標(biāo)特征光譜之間的相似程度，將目標(biāo)從背景中區(qū)分出來。自適應(yīng)余弦一致性評 估器算法（Adaptive Cosine/Coherence Estimator, ACE)等傳統(tǒng)的非結(jié)構(gòu)化目標(biāo)檢測算法 是一類全局檢測算法。其通過直接對整幅高光譜圖像計(jì)算背景均值和協(xié)方差矩陣，實(shí)現(xiàn)對 圖像背景參數(shù)的估計(jì)。當(dāng)場景復(fù)雜時(shí)，圖像中大量存在的異常點(diǎn)對背景造成污染，導(dǎo)致全局 背景均一性的下降，從而破壞了全局檢測算法的檢測性能。
[0004] 近年來，通過對圖像進(jìn)行分類或利用滑動(dòng)窗口構(gòu)造相對較均勻的局部背景，再對 局部背景使用傳統(tǒng)檢測算法進(jìn)行檢測的局部方法越來越受到人們的關(guān)注。但現(xiàn)有的多數(shù)局 部檢測算法，仍然沿用全局算法用來估計(jì)背景參數(shù)的經(jīng)驗(yàn)估計(jì)方法。該方法容易受到異常 數(shù)據(jù)的干擾，因此影響局部檢測算法的魯棒性。
[0005] 針對這一問題，近來也有相關(guān)的研究提出了一些改進(jìn)方法，例如Marin S. Halper 在文獻(xiàn)"Global, local, and stochastic background modeling for target detection in mixed pixels, 2010,（7695) :769527-769527-13"中，利用全局RXD(Reed-X Detector)和全 局ACE算法估計(jì)數(shù)據(jù)中的異常點(diǎn)和感興趣目標(biāo)，形成掩膜，在估計(jì)局部背景參數(shù)時(shí)利用掩 膜將異常點(diǎn)和疑似目標(biāo)排除在外。然而，該方法受全局算法對異常點(diǎn)和感興趣目標(biāo)的估計(jì) 結(jié)果影響很大，缺乏穩(wěn)定性，不能很好的應(yīng)對復(fù)雜場景。


【發(fā)明內(nèi)容】

[0006] 為了克服現(xiàn)有高光譜圖像局部目標(biāo)檢測方法虛警率高的不足，本發(fā)明提供一種基 于魯棒背景估計(jì)方法的高光譜圖像局部目標(biāo)檢測方法。該方法首先利用基于光譜角的聚類 方法，在白化空間中對輸入圖像進(jìn)行聚類，形成具有較高均一性的具備背景。在檢測過程 中，引入MCD估計(jì)方法估計(jì)待測像元所屬聚類的背景參數(shù)，以獲得更可靠的估計(jì)結(jié)果，從而 提高算法的檢測性能。在RIT (Rochester Institute of Technology)提供的數(shù)據(jù)集上目 標(biāo)測試結(jié)果顯示，在各測試目標(biāo)上的平均得分（反映虛警數(shù)）為2. 8,較Halper的改進(jìn)方法 降低了 4. 4。衛(wèi)星拍攝的AVIRIS數(shù)據(jù)集上的測試結(jié)果表明，在100%的檢測率下，虛警率為 0. 11%，而Halper的方法虛警率為0. 29%左右，全局方法的虛警率為0. 82% ;可見本發(fā)明 方法明顯降低了虛警率。
[0007] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于魯棒背景估計(jì)方法的高光 譜圖像局部目標(biāo)檢測方法，其特點(diǎn)是包括以下步驟：
[0008] 步驟一、對于輸入高光譜圖像，使用MCD估計(jì)方法估計(jì)出全局背景參數(shù)并進(jìn)行白 化，得到白化數(shù)據(jù)Dw。
[0009] (1)對于一幅具有p個(gè)波段、n個(gè)像元的高光譜圖像Xn = {Xp x2, ? ? ?，xj，用Xn 中下標(biāo)在集合Ht中的成員計(jì)算其協(xié)方差矩陣E t和均值ut，Ht為1到n內(nèi)的整數(shù)集合，即 //, C彳1，2，...，/7丨，|Ht| =h, t為當(dāng)前迭代代數(shù)。
[0010] ⑵計(jì)算每一像元Xi到當(dāng)前均值向量ut的馬氏距離，

【權(quán)利要求】
1. 一種基于魯棒背景估計(jì)方法的高光譜圖像局部目標(biāo)檢測方法，其特征在于包括以下 步驟： 步驟一、對于輸入高光譜圖像，使用MCD估計(jì)方法估計(jì)出全局背景參數(shù)并進(jìn)行白化，得 到白化數(shù)據(jù)Dw ; (1) 對于一幅具有P個(gè)波段、n個(gè)像元的高光譜圖像Xn = {xp x2,. . .，xn}，用Xn中 下標(biāo)在集合Ht中的成員計(jì)算其協(xié)方差矩陣E t和均值ut，Ht為1到n內(nèi)的整數(shù)集合，即 //, c彳1，2,"丨，|Ht| =h，t為當(dāng)前迭代代數(shù)； (2) 計(jì)算每一像元Xi到當(dāng)前均值向量+的馬氏距離，
i = 1，? ? ?，n ; ⑶將得到的各距離排序dta)，得到序列dta)彡dta)彡…彡d ta); (4)由上述序列構(gòu)造下次迭代所需的集合Ht+1= ，…，jh}; 重復(fù)上述步驟⑴到步驟⑷產(chǎn)生序列det( E J彡det( E 2)彡det( E 3)彡…，該 序列收斂于det ( E m) = 0或det ( E m) = det ( E 時(shí)，將此時(shí)的協(xié)方差矩陣和均值向 量作為估計(jì)結(jié)果；在產(chǎn)生初始集合％時(shí)，先從Xn中隨機(jī)抽出p+1個(gè)成員組成集合V，計(jì)算V 上的協(xié)方差矩陣[v和均值uv ;若det ( E v) = 0,從Xn中每次增選一個(gè)成員來擴(kuò)充V，直至 det ( E v)尹0 ;對V運(yùn)用一次所述估計(jì)背景參數(shù)的步驟（1)到（4)，將步驟（4)產(chǎn)生的集合 H 作為 HQ ;h 的取值為[(n+p+1) /2, n]，且 h>p ; 步驟二、對白化數(shù)據(jù)Dw進(jìn)行聚類， (1) 將第一個(gè)像元標(biāo)記為第一類； (2) 對于每一像元Xi計(jì)算其與現(xiàn)有每一聚類中心Cj, j = 1，2,. . .，1的夾角，1為當(dāng)前 聚類中心數(shù)目； (3) 若存在一聚類中心Ck，使得\和(；的夾角小于閾值e，則將Xi歸入Ck所代表的類 另IJ ;否則，將Xi作為新增聚類中心C1+1，同時(shí)1 = 1+1 ; (4) 對于步驟（3)中得到的聚類結(jié)果，用每類的均值更新其聚類中心；若各聚類中心較 上次迭代有變化，則轉(zhuǎn)步驟（2);否則，轉(zhuǎn)步驟（5); (5) 取消類成員數(shù)量小于A ^的聚類，對其中成員重新使用步驟（2)和步驟（3)進(jìn)行 標(biāo)記過程；其中，入為給定閾值，n為圖像中像元總數(shù)； 獲得m個(gè)聚類LBs = {Clp Cl2,. . .，Clm}和少量無標(biāo)簽的像元； 步驟三、對于每一聚類Clk，k = 1，2,. . . .，m，使用MCD估計(jì)方法，估計(jì)其背景參數(shù)：協(xié)方 差矩陣Ek和均值向量uk; 步驟四、對于每一待測像元，使用其所屬類別的局部背景參數(shù)作為ACE目標(biāo)檢測算法 的輸入，按如下公式得到各像元對應(yīng)的輸出：
其中，s為目標(biāo)特征光譜，E k和uk分別為第k聚類的協(xié)方差矩陣和均值；對于聚類后 仍無標(biāo)簽的像元，使用MCD估計(jì)方法估計(jì)得到的全局背景參數(shù)作為ACE目標(biāo)檢測算法的輸 入，由各像元對應(yīng)的算法輸出值組成基于MCD估計(jì)方法的高光譜圖像局部ACE目標(biāo)檢測的 結(jié)果。
【文檔編號(hào)】G06T7/00GK104346812SQ201410538062
【公開日】2015年2月11日 申請日期:2014年10月13日 優(yōu)先權(quán)日:2014年10月13日
【發(fā)明者】張艷寧, 魏巍, 嚴(yán)杭琦, 張磊, 李飛, 王波波 申請人:西北工業(yè)大學(xué)