[发明专利]一种基于解混预处理的高光谱目标检测方法

权利要求书

1.一种基于解混预处理的高光谱目标检测方法，其特征是按如下步骤：

1)通过探测的高光谱图像，获得需要探测的目标光谱t，对高光谱图像和目标光谱进行单位化处理；

2)对高光谱图像进行端元提取，得到图像的端元集合；

3)根据步骤2)得到的端元集合和目标光谱t进行光谱夹角计算，得到端元集合中与目标光谱最为近似的目标端元如果在设定的阈值内找不到目标端元，则将高光谱影像投影至其主成分的正交子空间，再重复步骤2)及步骤3)，直到匹配出目标端元

4)对步骤3)所得目标端元进行丰度反演，得到目标端元的丰度图；

5)对步骤4)得到的丰度图得到丰度图的最佳分割阈值；

6)根据步骤5)得到的阈值，对丰度图进行分割，分割后图像中白色区域代表目标区域，黑色区域代表背景区域；

步骤1)、对高光谱图像进行单位化处理：对高光谱图像X中的每个像元分别进行单位化处理，对每个像元进行如下处理：

其中，x_i代表高光谱图像中每个像元中第i个波段的DN值，min表示该像元中所有波段DN值的最小值，max表示该像元中所有波段DN值的最大值，x_i*表示单位化处理后像元中第i个波段的DN值；

步骤2)、高光谱图像中端元的提取：利用N-FINDER算法找出图像中组成最大体积的p个像元，体积的计算如式2，

其中，(·)！表示对括号中的数求阶乘，V(A₁,A₂,…A_p)表示p个端元组成的体积，p表示高光谱图像中端元的个数，A₁,A₂,…A_p表示p个端元，A’表示端元向量的转置，具体如下：首先估计出高光谱图像中端元个数，将高光谱图像降维到1维，高光谱图像中第一个端元就为降维后数据最大的那个像元；其次利用体积公式找出高光谱图像中和第一个端元组成最大体积的像元；然后依次找出影像中和已确定端元所组成最大体积的像元，直到找出p个像元，则找出的p个像元即为该高光谱图像的端元集合；

步骤3)、目标端元的匹配过程：根据步骤2)所得到的端元集，利用光谱夹角计算目标光谱和各端元的相似度，光谱夹角计算公式如下：

其中，y代表光谱夹角的余弦，θ表示光谱夹角，A表示端元向量，t表示目标光谱，A^T表示端元向量的转置；光谱匹配度超过0.9，则认定端元为目标端元，正常情况下能从端元集合中仅有一个端元与目标光谱匹配，但存在提取出多个端元和没有一个端元和目标光谱匹配，在提取到多个端元时，对匹配到的端元进行求均值然后作为目标端元；在匹配不到目标端元的情况下，需要对高光谱图像进行投影，投影方向如下：

U＝PCA(X) (5)

对高光谱图像投影后，投影公式如下：

其中，I是L×L维单位矩阵，L是高光谱图像波段数，T表示转置，U是主成分分析中的变换矩阵，PCA(·)表示对高光谱图像进行主成分分析，代表投影方向，X表示高光谱图像，Y表示高光谱图像投影后的图像；

重新按照步骤3)操作，直到匹配到目标端元；

步骤4)、对目标端元进行丰度反演：将步骤3)得到的目标端元进行丰度反演，具体利用最小2乘法求解，最小2乘求解公式如下：

c_UCLS＝(M^TM)^-1M^Tr (6)

其中，c_UCLS表示丰度，M表示端元矩阵，r表示高光谱图像中的像元；对目标端元进行丰度反演后将会得到高光谱图像中目标端元在各个像元中的比例，求得的阈值中，小于0的修改为0，大于1的修改为1；

步骤5)、利用粒子群算法对阈值进行优化：从高光谱图像中标记处肉眼可见的目标像元，利用粒子群算法对这些像元进行训练；具体训练过程如下：

V_i^t+1＝ω·V_i^t+c₁·r_1i^t·(P^t_ipbest-P^t_i)+c₂·r_2i^t·(P^t_gbest-P^t_i)

其中，粒子i在t时刻的位置为P_i^t＝[p_i1^t,p_i2^t…,p_iN^t]，速度为V_i^t＝[v_i1^t,v_i2^t…,v_iN^t]，N代表N维空间；粒子在每次迭代中根据自身历史最优位置P^t_ipbest和粒子群中全局最优位置所确定的速度更新方向来动态调整速度；式中右边第2项c₁·r_1i^t·(P^t_ipbest-P^t_i)为“认知部分”，量化粒子对自己历史经验的吸收；式中右边第三项c₂·r_2i^t·(P^t_gbest-P^t_i)是“社会部分”，衡量整个粒子群对该粒子的影响；惯性权值ω用来控制之前速度对当前速度的影响，c₁和c₂是加速度系数；r^t_1i和r^t_2i是均匀抽取的随机数，对算法引入不确定性因素；粒子利用更新后的速度和历史位置来实现位置的更新P_i^t+1＝P_i^t+V_i^t+1；

以ROC曲线与坐标轴围成的最大面积作为粒子群算法的优化标准，经过粒子群算法的优化求出最佳分割阈值。

2.如权利要求1所述基于解混预处理的高光谱目标检测方法，其特征是：步骤6)、根据步骤5)求取的阈值对丰度图进行分割：丰度图中大于等于阈值的像元为目标像元，丰度图中小于阈值的像元为背景，阈值分割后的丰度图即为目标探测的结果图。