[发明专利]一种基于高光谱成像的组装分类方法

摘要

一种基于高光谱成像的组装分类方法，通过高光谱成像装置采集并获取一定时间间隔下的初始空间图像、延时空间图像,以及相对应的初始光谱信息、延时光谱信息，将初始空间图像和延时空间图像按光谱信息可识别并匹配的最小像素点划分为网格区域图像，通过对初始空间图像和延时空间图像进行处理获取背景图像(由静止物构成，如树木、围栏、建筑物、交通标志等)及目标图像(由运动目标体构成，如人、动物、车辆、自行车等)，并基于背景图像与目标图像光谱信息的差异，获取背景和目标的类别和位置。进一步地，基于目标运动轨迹及速度，对目标进行安全域评估，以保证自动驾驶车辆与目标的安全距离。

主权项

1.一种基于高光谱成像的组装分类方法，其特征在于：通过高光谱成像装置采集并获取一定时间间隔下的初始空间图像、延时空间图像，以及相对应的初始光谱信息、延时光谱信息，将初始空间图像和延时空间图像按光谱信息可识别并匹配的最小像素点划分为网格区域图像，通过对初始空间图像和延时空间图像进行处理获取背景图像及目标图像，并基于背景图像与目标图像光谱信息的差异，获取背景和目标的类别和位置；具体包括如下步骤：读取一段时间间隔(T₀,T_t)内高光谱成像装置的图像数据和光谱数据，图像数据包括初始空间图像P₀(X,Y,T₀)、延时空间图像P_t(X,Y,T_t),光谱数据包括相对应的初始光谱信息F₀(X,Y,T₀)、延时光谱信息F_t(X,Y,T_t)，将初始空间图像P₀(X,Y,T₀)和延时空间图像P_t(X,Y,T_t)按光谱信息可识别并匹配的最小像素点划分为网格区域图像，包括初始空间网格图像P₀(X_a,Y_b,T₀)、延时空间网格图像P_t(X_a,Y_b,T_t)，其中，下标a表示第a行，下标b表示第b列，且1≤a≤m,1≤b≤n；并且在T₀时刻，第a行第b列像素点对应的光谱矢量为λ_ab0；并且在T_t时刻，第a行第b列像素点对应的光谱矢量为λ_abt；对初始空间网格图像P₀(X_a,Y_b,T₀)相对应获取的光谱矢量λ_ab0进行校正处理，及对延时空间网格图像P_t(X_a,Y_b,T_t)相对应获取的光谱矢量λ_abt进行校正处理；假设第h个像素点的光谱矢量为S_h，则S_h＝[S_h1,S_h2…S_hk...S_hc]，其中，S_hk表示第h个像素点在第k个波段的反射率值，其为成像光谱装置获取的图像像素点在每个波段处的反射率值，即为已知量；其中，光谱共有c个波段，S_hc表示第h个像素点在第c个波段的反射率值；分别对初始空间网格图像P₀(X_a,Y_b,T₀)和延时空间网格图像P_t(X_a,Y_b,T_t)进行角匹配值计算及马氏距离计算，识别出网格图像中的信息点；将信息点的光谱信息与预储存的静止物信息和运动目标信息对应的光谱矢量进行比较，从而识别出相应地信息种类。