[发明专利]一种高光谱影像波段选择方法、装置及系统

说明书

本发明提供了一种高光谱影像波段选择方法、装置及系统。其中，方法包括：获取高光谱影像立方体，根据高光谱影像立方体生成多个超像素；对于每个超像素，构建用于反映超像素所含波段之间相似度的相似图；采用多图扩散融合策略根据所有相似图生成统一相似图；根据统一相似图对原始高光谱数据进行谱聚类得到多个高光谱子立方体；从每个高光谱子立方体中选择噪声值最小的波段作为特征波段以确定最优波段子集。通过在融合过程中嵌入每个超像素的空间和光谱信息来使得相似度较高的超像素具有更大贡献率，可以将高光谱影像中不同区域的地物信息融合进去，从而能够更加准确地描述不同波段之间的相互关系，进而能够更加准确地实现高光谱影像波段选择。

技术领域

本发明涉及高光谱遥感影像波段选择技术领域，具体而言，涉及一种高光谱影像波段选择方法、装置及系统。

背景技术

与传统的RGB图像相比，高光谱遥感影像利用不同的电磁波来记录目标场景的反射率，因其包含了成百上千个波段，所以表示的土地覆盖信息更加丰富。高光谱降维的方式主要有两种，分别为特征提取和波段选择。

在现有的波段选择方法中，聚类作为一种常用的无监督波段选择策略在过去几年中被广泛应用于高光谱波段选择，但是，目前大多数聚类算法仍然存在两个问题。首先它们只考虑了相邻波段之间的相关性，而忽略了所有波段间的全局信息；其次，以往的聚类算法大多是将某个波段作为一个整体，然后对其进行拉伸，重塑为一个特征向量，这种方式忽略了不同地物具有不同光谱特性。上述问题导致目前的算法对于不同波段之间的相互关系描述不够准确。

发明内容

本发明解决的问题是如何更加准确描述不同波段之间的相互关系以更加准确地实现高光谱影像波段选择。

为解决上述问题，本发明提供一种高光谱影像波段选择方法，包括：获取高光谱影像立方体，根据所述高光谱影像立方体生成多个超像素；对于每个所述超像素，构建用于反映所述超像素所含波段之间相似度的相似图；采用多图扩散融合策略根据所有所述相似图生成统一相似图；根据所述统一相似图对原始高光谱数据进行谱聚类得到多个高光谱子立方体；从每个所述高光谱子立方体中选择噪声值最小的波段作为特征波段以确定最优波段子集。

本发明所述的高光谱影像波段选择方法，通过在融合过程中嵌入每个超像素的空间和光谱信息来使得相似度较高的超像素具有更大贡献率，可以将高光谱影像中不同区域的地物信息融合进去，从而能够更加准确地描述不同波段之间的相互关系，进而能够更加准确地实现高光谱影像波段选择。

可选地，所述根据所述高光谱影像立方体生成多个超像素包括：采用PCA提取所述高光谱影像立方体的第一主成分，通过超像素分割将所述第一主成分分割为多个所述超像素。

本发明所述的高光谱影像波段选择方法，通过超像素分割算法将原始高光谱影像立方体的第一主成分分割成若干个均匀的区域，能够兼顾不同地物的区分信息，从而能够更准确地描述波段间的相似性，进而能够更加准确地实现高光谱影像波段选择。

可选地，所述超像素分割采用ERS熵率超像素分割算法，所述ERS熵率超像素分割算法采用第一公式分割所述第一主成分，其中，所述第一公式包括：

其中表示所述高光谱影像立方体的第一主成分；N表示所述超像素的个数；和分别表示第p个超像素和第q个超像素。

本发明所述的高光谱影像波段选择方法，通过ERS熵率超像素分割算法分割第一主成分，能够兼顾不同地物的区分信息，从而能够更准确地描述波段间的相似性，进而能够更加准确地实现高光谱影像波段选择。

可选地，所述构建用于反映每个所述超像素所含波段之间相似度的相似图包括：根据第二公式确定所述超像素所含波段之间的所述相似度，其中，所述第二公式包括：

其中表示第i个波段和第j个波段之间的相似度；和分别表示第p个超像素中的第i个和第j个波段；和分别表示和的k个最近邻波段的集合；是高斯核函数中的宽度参数。