[发明专利]一种基于形态学的高光谱图像特征提取方法

说明书

本发明公开了一种基于形态学分析的高光谱图像特征提取方法，包括如下步骤：对高光谱图像做主成分分析，并选取前T个主成分分量，T为大于0的整数；对选取的每一个主成分分量构造得到拓扑树；对选取的每一个主成分分量构造得到拓扑树；统计每个所述拓扑树的各个叶节点的属性类型，并根据属性类型，选择是否对拓扑树进行重构；计算各拓扑树叶节点属性值对应的消光值，按消光值大小对拓扑树进行剪切，得到剪切拓扑树；将剪切拓扑树重构为主成分图像，得到消光剖面特征。根据本发明提供的方案，提取的图像特征维数低，抗噪声干扰能力强；特征的复杂度低，分类精度高。

技术领域

本发明涉及一种遥感图像特征提取方法，尤其涉及一种基于形态学分析的高光谱图像特征提取方法，属于数字图像处理技术领域。

背景技术

近年来，高光谱成像被用于分类变得越来越普遍，主要原因在于它包含数百个窄的连续波段，其提供了丰富的光谱信息，可以为一些简单的场景提供非常准确的分类。但是，对于复杂场景中的某些类别，仅仅依靠光谱特征来精确分类是困难的，尤其是对于那些具有相似反射率的材料，这就需要考虑高光谱图像所蕴含的其他信息。随着高光谱成像技术发展，和机载、星载成像方式的不断成熟，所提取的高光谱不仅在空间和光谱分辨率上越来越高，而且受环境方面的干扰越来越小，因此高光谱图像拥有着丰富的空间和纹理等信息。为了能充分利用高光谱所蕴含的空间信息，提出了基于形态学分析的特征提取方法。它综合利用高光谱图像的光谱-空间特征，分类准确度高。

基于以上分析，使得高光谱的应用领域得到了很好的扩展。其在民用领域得到了很好的发展。随着成像光谱技术的逐渐成熟，高光谱图像分析研究的不断深入，应用越来越广泛。

目前最新的基于形态学分析的特征提取方法主要有：属性剖面(AP)和消光剖面(EP)。这两种方法都是基于图像中形状的属性值来构建的最大树(Max-tree)和最小树(Min-tree)基础上的，不同的是，在树的剪切过程中，属性剖面是以阈值为导向来对树的节点进行剪切，而消光剖面是以消光值为导向的。由于属性剖面存在以下几个方面的不足：1)最佳阈值的设置难以掌握；2)不同的图像需要设置不同的阈值；3)可能会得到非常稀疏的特征空间。因此，属性剖面逐渐的被消光剖面所取代，而消光剖面作为一种快速准确特征提取方法，得到了广泛应用。

为了更好的根据图像中形状间的关系(包含，交叉，相离)来实现空间特征的提取，本发明对上述的消光剖面方法在进行了改进和创新，采用图像中形状的属性值来构建的拓扑树，从而提出了一种基于形态学分析的高光谱图像特征提取方法。

发明内容

本发明所要解决的技术问题在于提供一种基于形态学分析的高光谱图像特征提取方法，实现高光谱图像空间特征的准确快速提取。该方法首先是载入高光谱图像并对其做主成分分析(Principal Component Analysis,PCA)取前若干主成分，接着对这些主成分进行拓扑树的构造，并在构造的过程中计算每个节点的属性值，然后根据这些属性值对每个叶节点计算其消光值，按消光值大小进行剪切，剪去显著特征不明显的分支节点，最后根据剪切的拓扑树重构回主成分图像，得到消光剖面特征。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于形态学分析的高光谱图像特征提取方法，包括如下步骤：

(1)对高光谱图像做主成分分析，并选取前T个主成分分量，T为大于0的整数；

(2)对选取的每一个主成分分量构造得到拓扑树；

(3)统计每个所述拓扑树的各个叶节点的属性类型，并根据属性类型，选择是否对拓扑树进行重构；

(4)计算各拓扑树叶节点属性值对应的消光值，按消光值大小对拓扑树进行剪切，得到剪切拓扑树；

(5)将剪切拓扑树重构为主成分图像，得到消光剖面特征；