[发明专利]一种跟踪过程中动态目标的特征光谱提取方法有效

专利信息
申请号: 201710110716.0 申请日: 2017-02-28
公开(公告)号: CN108510519B 公开(公告)日: 2021-12-14
发明(设计)人: 张淼;宋敏敏;于文博;沈毅 申请(专利权)人: 哈尔滨工业大学
主分类号: G06T7/246 分类号: G06T7/246;G06T7/162
代理公司: 暂无信息 代理人: 暂无信息
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 跟踪 过程 动态 目标 特征 光谱 提取 方法
【权利要求书】:

1.一种跟踪过程中动态目标的特征光谱提取方法,其特征在于它包括以下步骤:

步骤一:计算当前时刻高光谱数据中动态目标坐标,分别对当前时刻高光谱数据和下一时刻高光谱数据中该坐标邻域内像素进行快速最近邻二聚类,并分别计算目标与背景的平均光谱向量;

步骤二:根据当前时刻和下一时刻目标平均光谱向量计算出目标状态转移矩阵,根据当前时刻和下一时刻背景平均光谱向量计算出背景状态转移矩阵,分别用下一时刻光谱数据中动态目标识别区域内像素与状态转移矩阵的逆矩阵相乘得到每一个像素的特征光谱向量;

步骤三:计算求得的目标像素特征光谱向量与当前时刻高光谱数据中目标的平均光谱向量之间的光谱角,判断动态目标移动后的位置;

步骤一中所述的快速最近邻二聚类方法通过构建最近邻链表寻找类别分界,进而实现对像素点进行快速二聚类的目的,其具体聚类步骤如下:

高光谱图像中待聚类区域中每个像素点为一个样本向量,存储着该像素的各波段光谱数据,任意取待聚类区域中某一像素点记为v1,搜寻v1邻域内与v1相似度距离最小的样本点记为v2,然后搜寻v2邻域内与v2相似度距离最小的样本点记为v3,依次类推,构成最近邻链表;

相似度距离用马氏距离表示,样本点vt和样本点vt+1之间的马氏距离d(vt,vt+1)可表示为:

上式中,Σ为vt和vt+1之间的协方差矩阵,其上角标-1表示矩阵求逆,利用像素点之间的相似度距离构造相对相似度距离D(vt,vt+1),计算式如下:

D(v1,v2)=1,

选择最大的相对相似度距离并在最近邻链表中将其对应的两个像素点断开,得到两段链表,每段链表上的像素对应为一类,进而将所有样本点划分为两个聚类。

2.根据权利要求1所述的一种跟踪过程中动态目标的特征光谱提取方法,其特征在于所述的步骤一具体包括:

1)已知1,2,…,k,k+1,…为各个时刻拍摄的高光谱数据序列号,k皆代指当前时刻,k+1皆代指下一时刻,B皆代指每个高光谱数据的波段数;高光谱数据中的每个像素点都对应一条长度为B的光谱向量,其数据代表了该像素对波段1~B的光谱反射强度;根据第k个高光谱数据IMGk中动态目标的中心坐标为(x0,y0),取g为边长的正方形邻域作为动态目标识别区域,g的取值应大于目标的像素大小,以保证该正方形邻域内既有目标也有背景;

接着对第k+1个高光谱数据IMGk+1进行处理:分别对高光谱数据IMGk与高光谱数据IMGk+1中动态目标识别区域内的像素进行聚类,聚类方法采用快速最近邻二聚类方法,将动态目标识别区域内的像素划分为目标像素和背景像素,通过聚类得到第k个高光谱数据中动态目标识别区域内大小为B×1的目标像素为target(k)(i),1≤i≤targetnum(k),大小为B×1背景像素为background(k)(i),1≤i≤backgroundnum(k),其中targetnum(k)为动态目标识别区域内目标像素个数,backgroundnum(k)为动态目标识别区域内背景像素个数,第k+1个高光谱数据中动态目标识别区域内大小为B×1目标像素为target(k+1)(i),1≤i≤targetnum(k+1),大小为B×1背景像素为background(k+1)(i),1≤i≤backgroundnum(k+1),其中targetnum(k+1)为动态目标识别区域内目标像素个数,backgroundnum(k+1)为动态目标识别区域内背景像素个数;

2)分别对第k个高光谱数据与第k+1个高光谱数据的目标像素与背景像素进行均值计算,得到第k个高光谱数据中目标像素的平均光谱向量targetspectral(k),背景像素的平均光谱向量backgroundspectral(k),第k+1个高光谱数据中目标像素的平均光谱向量targetspectral(k+1),背景像素的平均光谱向量backgroundspectral(k+1),它们的大小均为B×1,计算公式如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710110716.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top