CN105825217B - 基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法 - Google Patents

Abstract

本发明公开一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，首先根据已知纯净地物像元的光谱反射率向量建立感兴趣地物的光谱反射率标准混合向量；然后，计算感兴趣地物的光谱反射率标准混合向量与待处理高光谱影像中每个像元的光谱向量的相关系数，得到像元相关系数偏差矩阵；最后，以像元相关系数偏差矩阵构造C‑V活动轮廓模型，进而利用有限差分法求解该模型来实现感兴趣区域像元的提取。实施例的测试结果表明，本发明能够用更少的迭代次数取得明显优于传统C‑V模型的提取结果。

Description

基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法

技术领域

本发明涉及图像处理领域，尤其是一种可区分地物类别、计算速度快的基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法。

背景技术

目前，高光谱遥感技术正朝着更高的空间分辨率、更高的光谱分辨率和更高的时间分辨率方向发展，这使得高光谱影像的数据量呈指数量级增加。以AVIRIS（AirborneVisible/Infraed Imaging Spectrometer，航空可见光/红外光成像光谱仪）型高光谱影像为例，它拥有224个连续波段，每个波段图像包含512×614像素，每个像素占用16bit，其存储空间超过140M字节。故此，高光谱遥感影像的高效率编码是缓解高光谱影像数据信息获取与传输之间矛盾的方法之一。

在对高光谱影像进行压缩的过程中，若采用常规的有损压缩方法对图像进行处理，图像中所有像素点将会以同样的重要程度进行编码，于是影像中那些重要的、感兴趣区域的像素点携带的重要信息在压缩中可能会由于没有得到保真处理被视为不重要信息被舍弃，进而可能导致解码端无法重构高光谱影像中的这些重要像素点。例如：农作物病虫害监测人员重点关注发生病虫害的农田，矿物勘探者重点关注可能含有矿物的地区，而军事侦察人员则重点关注各种军事目标。因此，在高光谱影像的编码过程中，可以根据不同使用目的对重点关注的区域（即感兴趣区域）进行高保真或无损压缩，而对其它区域则进行低保真的有损压缩，从而得到较高的压缩比且不丢失重要信息。在这种情况下，高光谱影像的感兴趣区域提取就成为一个首先需要解决的问题。

现有高光谱影像的感兴趣区域提取方法大多采用最大位移法、部分重要位平面位移法和逐个位平面位移法等典型方法，但是这些方法均未考虑高光谱影像的地学意义上的地物特征（如植被、水体、岩矿、土壤、城市人工目标等），有可能会将属于不同地物的像素划分到同一个感兴趣区域，而且计算速度慢，以致影响高光谱影像的进一步实际应用。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种可区分地物类别、计算速度快的基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法。

本发明的技术解决方案是：一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，其特征在于按如下步骤进行：

步骤1. 输入一幅大小为像素的高光谱影像，建立光谱向量矩阵：

其中，表示空间位置处的像元的光谱向量，每个向量的分量数目等于高光谱影像的波段数；

步骤2. 建立感兴趣地物的光谱反射率矩阵：

其中，每一行代表一种感兴趣的具体地物在不同波段下的反射率向量，表示波段数，可根据高光谱图像的数据类型或实验中期望建立的向量维数来确定，表示感兴趣的代表性地物数量；

步骤3. 根据公式，采用线性光谱混合模型构造混合像元的标准参考向量：

其中，为中各端元向量所占的比例，且，为误差项，为矩阵R的第个行向量；

步骤4. 根据公式计算输入图像的每个像元光谱向量与混合像元标准向量的相关系数，得到偏差矩阵：

其中，为像元的光谱反射率向量与混合像元的标准反射率向量之间的相关系数，，，表示像元在第个波段的光谱反射率；

步骤5. 对感兴趣区域的轮廓水平集进行初始化，再以像元相关系数偏差矩阵构造C-V模型能量函数：

其中，将图像分为的内部与外部两个区域，其区域平均灰度分别表示为与，表示闭合曲线的弧长，表示曲线包围的面积，、、、分别为能量权重系数，为偏差矩阵中位于第i行、第j列的元素；

步骤6. 用Euler-Lagrange方法计算使公式取得最小值时对应的轮廓水平集，其形式由公式所示的梯度下降流给出：

其中，为散度算子，的定义为：

步骤7：利用有限差分法迭代求解公式，所得的水平集函数所包围的区域即为提取出的感兴趣区域。

与现有技术相比，本发明具有以下特点：首先，本发明通过构造混合像元的标准参考向量，可在对地物无先验知识的条件下进行感兴趣区域的提取，适合星载成像光谱仪获取原始高光谱影像后在无任何地物参考参数时实施预处理。其次，本发明是以目标像元的光谱向量与感兴趣像元标准混合向量的相似度作为判别依据，提取出的感兴趣区域符合地学意义上的对地观测要求且提取速度快。

附图说明

图1是本发明实施例的流程图。

图2是本发明实施例与传统的C-V方法从JasperRidge地区的植被覆盖图中提取感兴趣的植被区域的结果对比。

图3是本发明实施例与传统的C-V方法从Cuprite地区的矿物覆盖图中提取感兴趣的裸露矿石区域的结果对比。

具体实施方式

本发明实施例提供的一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，如图1所示包括如下步骤：

步骤1. 输入一幅大小为像素的高光谱影像，建立其光谱向量矩阵：

其中，表示空间位置处的像元的光谱向量，每个向量的分量数目等于高光谱影像的波段数；

步骤2. 建立感兴趣地物（如植被、水体、岩矿、土壤、城市人工目标）的光谱反射率矩阵：

其中，每一行代表某一种感兴趣的具体地物在不同波段下的反射率向量（即纯净像元的光谱反射率向量），表示波段数，其值可根据高光谱图像的数据类型或实验中期望建立的向量维数来确定（如对于AVIRIS型高光谱影像，的上限值可达224），表示感兴趣的代表性地物数量；

步骤3. 根据公式，采用线性光谱混合模型构造混合像元的标准参考向量：

其中，为中各端元向量所占的比例，且，为误差项，为矩阵的第个行向量；

步骤4. 根据公式计算输入图像的每个像元光谱向量与混合像元标准向量的相关系数，得到偏差矩阵：

其中，为像元的光谱反射率向量与混合像元的标准反射率向量之间的相关系数，，，表示像元在第个波段的光谱反射率；

步骤5. 对感兴趣区域的轮廓水平集进行初始化，再以像元相关系数偏差矩阵构造C-V模型能量函数：

其中，将图像分为的内部与外部两个区域，其区域平均灰度分别表示为与，表示闭合曲线的弧长，表示曲线包围的面积，、、、分别为能量权重系数，为偏差矩阵中位于第i行、第j列的元素，参数值取为=1000，=0，；

步骤6. 用Euler-Lagrange方法计算使公式取得最小值时对应的轮廓水平集，其形式由公式所示的梯度下降流给出：

其中，为散度算子，的定义为：

参数值建议取为；

步骤7：利用有限差分法迭代求解公式，所得的水平集函数所包围的区域即为提取出的感兴趣区域，算法结束。

本发明实施例与传统的C-V方法从JasperRidge地区的植被覆盖图中提取感兴趣的植被区域的结果对比如图2所示；

本发明实施例与传统的C-V方法从Cuprite地区的矿物覆盖图中提取感兴趣的裸露矿石区域的结果对比如图3所示。

从图2、图3可以看出：本发明能够用更少的迭代次数取得明显优于传统C-V模型的提取结果。

Claims (1)

1.一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，其特征在于按如下步骤进行：

步骤1. 输入一幅大小为像素的高光谱影像，建立光谱向量矩阵：

其中，表示空间位置处的像元的光谱向量，每个向量的分量数目等于高光谱影像的波段数；

步骤2. 建立感兴趣地物的光谱反射率矩阵：

其中，每一行代表一种感兴趣的具体地物在不同波段下的反射率向量，表示波段数，根据高光谱图像的数据类型或实验中期望建立的向量维数来确定，表示感兴趣的代表性地物数量；

步骤3. 根据公式，采用线性光谱混合模型构造混合像元的标准参考向量：

其中，为中各端元向量所占的比例，且，为误差项，为矩阵的第个行向量；

步骤4. 根据公式计算输入图像的每个像元光谱向量与混合像元标准向量的相关系数，得到偏差矩阵：

其中，为像元的光谱反射率向量与混合像元的标准反射率向量之间的相关系数，，，表示像元在第个波段的光谱反射率；

步骤5. 对感兴趣区域的轮廓水平集进行初始化，再以像元相关系数偏差矩阵构造C-V模型能量函数：

其中，将图像分为的内部与外部两个区域，其区域平均灰度分别表示为与，表示闭合曲线的弧长，表示曲线包围的面积，、、、分别为能量权重系数，为偏差矩阵中位于第行、第列的元素；

步骤6. 用Euler-Lagrange方法计算使公式取得最小值时对应的轮廓水平集，其形式由公式所示的梯度下降流给出：

其中，为散度算子，的定义为：

；

步骤7：利用有限差分法迭代求解公式，所得的水平集函数所包围的区域即为提取出的感兴趣区域。