[发明专利]基于关键通道保护和谱聚类的超光谱图像谱间排序方法

说明书

基于关键通道保护和谱聚类的超光谱图像谱间排序方法，涉及图像处理技术领域，针对现有技术中目前超光谱图像压缩处理流程中无法同时满足优先传输对应用有重要作用的关键通道需求和利用关键通道的信息对剩余通道进行预测压缩需求的问题，由于光谱通道的传输是渐进的，所以对于后续预测压缩来说，随着传输通道数目增多，预测器的预测能力会随之变强，将特异通道被放于排序最末位末尾，可以保证有更强能力的预测器对这些难以预测的特异通道进行预测，提高整体的预测水平。本申请可以同时满足优先传输对应用有重要作用的关键通道需求和利用关键通道的信息对剩余通道进行预测压缩需求。

技术领域

本发明涉及图像处理技术领域，具体为基于关键通道保护和谱聚类的超光谱图像谱间 排序方法。

背景技术

红外大气探测干涉仪(IASI)是数值天气预报(NWP)的重要仪器。它在大气层外使用8461 个通道测量大气辐射，每个通道空间分辨率为60×1530×16bits，这样一幅IASI超光谱 图像的数据量大约为1.45Gbytes，像IASI这样的高光谱红外探测器产生的大量数据提出 了许多挑战，特别是在数据存储、计算成本、信息冗余和信息内容等方面。另外，超光谱 图像的物理反演涉及到求解辐射传输积分方程，这类方程通常存在非线性问题，微小的数 据扰动会带来巨大影响，因此需要无损压缩减小超光谱图像体积，但无损压缩的压缩比有 限。目前超光谱图像压缩处理流程中无法同时满足优先传输对应用有重要作用的关键通道 需求和利用关键通道的信息对剩余通道进行预测压缩需求。

发明内容

本发明的目的是：针对现有技术中目前超光谱图像压缩处理流程中无法同时满足优先 传输对应用有重要作用的关键通道需求和利用关键通道的信息对剩余通道进行预测压缩需 求的问题，提出基于关键通道保护和谱聚类的超光谱图像谱间排序方法。

本发明为了解决上述技术问题采取的技术方案是：

基于关键通道保护和谱聚类的超光谱图像谱间排序方法，包括以下步骤：

步骤一：获取光谱间线性相关性矩阵R；

步骤二：根据物理分段特性对光谱间线性相关性矩阵R加权并归一化得到相似性矩阵 W；

步骤三：选取感兴趣关键通道；

步骤四：根据相似性矩阵W并采用层次聚类方法得到通道分组，然后设定阈值，并将 分组中通道数小于阈值的分组中的通道设定为特异通道，然后将所有通道减去关键通道和 特异通道后得到普通通道；

步骤五：根据相似性矩阵W分别对关键通道、特异通道和普通通道进行代表通道选取， 得到关键通道代表通道、特异通道代表通道和普通通道代表通道；

步骤六：按照关键通道的代表通道，普通通道的代表通道，关键通道，普通通道，特异通道的代表通道，特异通道的顺序输出光谱排序；

步骤七：利用上述光谱排序完成超光谱压缩。

进一步的，所述步骤一中获取光谱间线性相关性矩阵R通过Pearson线性相关系数得 到。

进一步的，所述层次聚类方法中类间距离度量采用最近距离。

进一步的，所述步骤三中关键通道为温湿度敏感通道。

进一步的，所述温湿度敏感通道通过信息量迭代选择信息量占比达到99％的光谱通道 得到。

进一步的，所述光谱间线性相关性矩阵R表示为：