[发明专利]用于光谱图像数据降维的邻居点搜索方法及系统

说明书

技术领域

本发明涉及光谱图像数据降维技术领域，具体地说，本发明涉及用于光谱图像数据降维的邻居点搜索方法及系统。

背景技术

光谱遥感是一门新兴的对地观测技术，它是在电磁波谱的紫外、可见光、近红外、中红外和热红外波段范围内，获取许多精细的、连续的狭窄谱段上光谱数据的技术。运用机载或者星载的具有高光谱分辨率的仪器，对地球表面进行遥感可以得到很多地面观测很难得到的信息。光谱成像仪获得的是一个三维的数据立方体，其中包括二维空间信息和每个像素的一维光谱曲线信息。随着光谱仪技术的进步，光谱仪已从最初的多光谱、高光谱向超光谱发展，即波段数越来越多，测量得到的光谱越来越精细。特别是近年来出现的超光谱技术，波段数已经达到数百甚至上千。随着光谱仪光谱波段数增多，其直接后果就是所获取的光谱数据维度的增加，数据维度的增加在给光谱遥感应用带来便利的同时，也对后期的数据处理提出的新的要求。其中一个最重要的问题就是冗余信息的存在。由于光谱仪波段多，宽度窄，使得相邻或者相近波段上的采集到的光谱数据很接近，有着很强的相关性，也就是说信息的冗余度较高。冗余信息的存在增大了数据处理的运算量，而对于光谱数据的分析没有意义，因此在利用光谱进行检测、分类等应用前，有必要通过降维等手段消除数据间的冗余。

近年来，对光谱图像进行数据降维的方法被广泛的研究，其中流形学习方法中的局部线性嵌入(LLE)非线性降维算法成为一种主要的降维方法。对于LLE算法，其中一个最重要的步骤就是对于每个像素点，寻找整个光谱图像中和它最相似的若干点作为光谱域邻居点，邻居点选取的合适与否将直接影响降维性能。

传统的LLE算法在搜索邻居点时，在整个图像上逐一计算每个像素点与当前像素的光谱距离，取距离最近的若干像素点为光谱邻居。这就将光谱图像当成一个个孤立的点，或者说是一组无序的光谱向量队列，忽视了光谱图像中的空间信息，使得降维后的数据不能很好地重构出高光谱数据的三维特性。因此需要寻找一种能够在邻居点搜索过程中充分利用光谱图像空间信息的方法，提高邻居点的选取准确度，从而提高整个降维方法的性能。

发明内容

针对现有技术缺陷，本发明提出了一种用于光谱图像数据降维的邻居点搜索及系统。

为达到上述目的，本发明采用的技术方案包括一种用于光谱图像数据降维的邻居点搜索方法，以需要寻找邻居点的像素为当前像素，执行包括以下步骤，

步骤1，以当前像素为中心建立窗口，记为窗口A，对窗口A内的像素进行筛选，包括计算窗口A内各像素分别与当前像素的光谱距离D_xj然后求均值D_x，当窗口A内某像素与当前像素的光谱距离D_xj大于α×D_x时删除该像素，其中α为预定的阈值系数；

步骤2，对光谱图像中每个待比对像素分别执行以下步骤，

步骤2.1，以待比对像素为中心建立窗口，记为窗口B，将步骤1所得窗口A内筛选剩下的像素以及窗口B内像素分别进行排序；

将窗口A内筛选剩下的像素进行排序，包括按照光谱距离D_xj由小到大依次排序；设筛选剩下的像素有m个，记排序后的像素所构成序列为A₁,A₂,...A_m；

将窗口B内像素分别进行排序，包括计算窗口B内各像素分别与待比对像素的光谱距离D_yj，并按照光谱距离D_yj由小到大依次排序；记排序后的序列为B₁,B₂,...B₉；

步骤2.2，计算当前像素所在窗口和待比对像素所在窗口的光谱距离，包括从排序后的序列B₁,B₂,...B₉中取前m个像素B₁,B₂,...B_m，计算当前像素所在窗口和待比对像素所在窗口的光谱距离D_AB如下，

其中，SAM(A_i,B_i)为A_i与B_i的光谱距离；

步骤3，根据步骤2所得当前像素所在窗口和各待比对像素所在窗口的光谱距离D_AB，选取若干D_AB最小的相应待比对像素为当前像素的邻居点。

而且，任意两个像素之间a、b光谱距离SAM(a,b)的计算公式如下，