[发明专利]高光谱图像局部特征描述子的形成方法及形成系统

说明书

本发明提供一种高光谱图像局部特征描述子的形成方法，其中，所述方法包括：特征描述步骤：利用光谱矢量间的夹角和光谱矢量的模对邻域特征进行描述；形成描述子步骤：根据描述结果形成一个矢量长度是原始局部二值模式矢量长度的三倍的描述子。本发明还提供一种高光谱图像局部特征描述子的形成系统。本发明提供的技术方案利用光谱矢量间的夹角和光谱矢量的模对邻域特征的特征描述作用，形成一个矢量长度是原始局部二值模式矢量长度的三倍的描述子，同时结合了高光谱特征点邻域的空间位置信息和光谱信息，能适用于高光谱图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种高光谱图像局部特征描述子的形成方法及形成系统。

背景技术

结合空间信息和光谱信息的这种方法一般应用在人脸识别上，结合空谱特征主要有两方面难题，第一个是现有的高光谱人脸图像的质量很低，第二个就是空间信息和光谱信息的固有性质完全不同。为了解决这些难题，有许多不同的方法被学者们提出。Pan等通过在例如前额、脸颊、嘴唇等这些特征区域上提取光谱特征而开创了高光谱人脸识别的新方法，但是这种方法没有应用到任何空间信息。Unzir等在3D离散余弦转换的基础上发展了一种空谱特认证提取方法来计算高光谱人脸图像的低频因数。高光谱成像为人际面部鉴别提供了新的机会，然而，从高维度高光谱图像立方体的紧凑和辨别特征提取是一项具有挑战性的任务。3D离散余弦转换最佳地压缩了低频系数中的信息，用少量低频DCT系数表示每个高光谱面部立方体，并且制定了用于准确分类的部分最小二乘法(PLS)回归。但是这些方法要不就是只运用了光谱特征，要不就是把高光谱数据当作各向同性体。所以Jie等在三维局部微分模式的基础上提出了一种三维高阶纹理模式描述子。它为构建多方向和多邻域的局部微分模式提供一个框架，这种模式同时结合空间信息和光谱信息并且减少了高光谱图像中噪声的负面影响。传统2D人脸识别已经研究多年，取得了巨大的成功。尽管如此，除了面部空间域中的结构和纹理之外，还需要探索除外的信息。高光谱成像通过提供关于对象的附加光谱信息来满足这样的要求，完成了2D图像中提取的传统空间特征。基于局部导数模型，用空间光谱空间中的多方向导数和二值化函数对高光谱面进行编码。然后，通过在导数图案上应用3D直方图来生成空间光谱特征描述符，其可以用于将高光谱面部图像转换为向量化表示。与传统的脸部识别方法相比，这种方法能够描述将潜在的空间和光谱信息整合在一起的独特微观图案。

高光谱图像和普通的二维图像有许多不同的特点，它在二维图像信息的基础上添加光谱维，从而形成三维的坐标空间。如果把高光谱图像的每个波段数据都看成是一个层面，将成像光谱数据整体表达到该坐标空间，就会形成一个按波段顺序叠合构成的拥有多个层面的三维数据立方体。高光谱图像的波段比较多，它可以为每个像素提供数百甚至上千个波段，这些波段的范围一般小于10厘米，而且波段是连续的，有些传感器可以在某些太阳光谱范围内提供近乎连续的地物光谱。根据高光谱图像的特点及其相关处理技术的需要，高光谱数据和其携带的信息一般由三种空间表达方式：有空间几何位置关系的图像空间、包含丰富光谱信息的光谱空间以及适合于模式识别中的应用的特征空间。高光谱的遥感技术可以把确定物质或地物性质的光谱与揭示其空间和几何关系的图像结合在一起，不同的物质其对应的光谱曲线也是不一样的。

因此，虽然二维图像的局部特征描述算法研究已经非常成熟了，但是对于高光谱图像，除了包含空间信息以外，还包含了光谱信息，目前的二维图像的局部特征描述方法已经不适用于高光谱图像，所以亟需提供一种能适用于高光谱图像的局部特征描述算法。

发明内容

有鉴于此，本发明的目的在于提供一种高光谱图像局部特征描述子的形成方法及形成系统，旨在解决现有技术中的二维图像的局部特征描述算法不适用于高光谱图像的问题。

本发明提出一种高光谱图像局部特征描述子的形成方法，其中，所述方法包括：

特征描述步骤：利用光谱矢量间的夹角和光谱矢量的模对邻域特征进行描述；

形成描述子步骤：根据描述结果形成一个矢量长度是原始局部二值模式矢量长度的三倍的描述子。