[发明专利]基于光谱抽样直方图的超光谱降维匹配方法及系统

说明书

技术领域

本发明涉及超光谱降维匹配技术领域，具体地说，本发明涉及一种基于光谱抽样直方图的超光谱降维匹配方法及系统。

背景技术

光谱遥感仪器正向着更高的光谱分辨率、空间分辨率以及时间分辨率的方向发展，测量得到的光谱数据维数可达数千维甚至数万维。在得到超光谱数据后，最常见也是最基础的需求是鉴别物质的种类，而鉴别种类就需要进行光谱的匹配。简单的说，光谱匹配是通过计算逐一比较光谱数据库中的所有参考光谱与待测光谱，选择最近似的一条光谱作为待测光谱的匹配结果。匹配结果可用于确定待测光谱的种类，或者作为对照信息供进一步分析时参考。

然而，传统的光谱匹配算法很难适应超光谱数据维数巨大这一特性，计算复杂度大而且耗时长，无法达到实时性的要求。解决这一问题的关键在于使用适当的光谱降维算法对超光谱数据进行降维处理，即通过大幅降低光谱维数来减小运算量，提高实时性，同时保证光谱匹配的准确性尽量不受影响。但从研究现状来看，还没有专门用于超光谱数据的降维匹配算法，目前的光谱降维算法都是为几百维的高光谱数据而设计的，若直接用于超光谱数据降维然后再匹配，其性能不佳。

发明内容

为克服相应技术缺陷，本发明提出了一种基于光谱抽样直方图的超光谱降维匹配技术方案。

本发明技术方案提供一种基于光谱抽样直方图的超光谱降维匹配方法，包括以下步骤：

步骤1，光谱归一化，包括对待匹配光谱和光谱库中的所有光谱分别进行归一化处理，归一化公式如下，

ρ_n＝(ρ-ρ_min)/(ρ_max-ρ_min)

其中，ρ_n为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρ_max为该条原始光谱中辐射值的最大值，ρ_min为该条原始光谱中辐射值的最小值；

步骤2，获取抽样直方图，包括分别获取归一化后的待匹配光谱和光谱库中所有光谱的抽样直方图，实现方式为对归一化后的待匹配光谱和归一化后的光谱库中任一光谱，按照相应归一化后的光谱图，分别执行以下操作，

将归一化后的光谱图在整个超光谱波段范围平均划分为s段，s为预设参数；

在归一化后的光谱图上作M条互相平行且等间隔的宽度为2d的水平窄带，M和d为预设参数，则M条窄带在s个不同波段内与归一化后的光谱图中光谱曲线相交的次数组成抽样直方图，用(s×M)维向量{α₁₁,α₁₂,…α_1M,…,α_s1,…,α_sM}表示，其中α_ij为第i个波段中第j条窄带与光谱曲线相交的次数，i＝1，2，…，s，j＝1，2，…，M；

步骤3，计算欧氏距离，包括计算待匹配光谱的抽样直方图与光谱库中所有光谱的抽样直方图的欧氏距离，设光谱库中有N条光谱，则分别计算得到待测光谱与光谱库中每条光谱抽样直方图的欧氏距离ED_k，k＝1，…，N，实现方式为对待匹配光谱的抽样直方图与光谱库中任一光谱的抽样直方图计算欧氏距离如下，

设A′＝{α′₁₁,α′₁₂,…α′_1M,…α′_s1,…α′_sM}为待测光谱的抽样直方图，α′_ij为待测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，A″＝{α″₁₁,α″₁₂,…α″_1M,…α″_s1,…α″_sM}为光谱库中任意一条光谱的抽样直方图，α″_ij为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，

计算欧氏距离的公式为，