CN107633216B - 高光谱遥感图像的三维表面空谱联合特征编码方法及装置 - Google Patents

Abstract

本发明实施例公开了一种高光谱遥感图像的三维表面空谱联合特征编码方法，所述方法包括：对原始图像H进行归一化处理，得到归一化的图像R；根据预设梯度模板计算所述归一化的图像R的梯度；根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF。本发明实施例还提供了一种高光谱遥感图像特征编码装置。采用本发明实施例可以充分利用高光谱遥感影像的三维空谱结构，并提高了分类性能，减小了时间和空间的复杂度。

Description

高光谱遥感图像的三维表面空谱联合特征编码方法及装置

技术领域

本发明涉及图像处理领域，具体涉及一种高光谱遥感图像的三维表面空谱联合特征编码方法及装置。

背景技术

高光谱遥感图像是指由传感器在电磁波谱的可见光，近红外，中红外和热红外波段范围内，在不同波段成像获得的高光谱图像数据。因此，高光谱遥感图像包含了丰富的空间、辐射和光谱三重信息，为地表物质的精细分类和识别提供了可能。

在数百个波段上形成的高光谱遥感影像包含了地物丰富的辐射、空间和光谱三重信息，这使得地物的识别和分类更加有效。为了通过高光谱遥感影像对地物实施分类，首先要对其进行特征提取。现有特征提取方法主要包括空间特征提取和空谱特征提取两大类。

空间特征提取主要利用不同波段的空间信息对高光谱遥感影像进行表达。它首先提取各波段的空间特征，然后将不同波段的空间特征叠加在一起。Gabor和局部二值模式(Local Binary Pattern,LBP)是两种典型的空间特征提取方法。Gabor特征对图像中的光照存在很好的鲁棒性，LBP可以充分利用图像中的局部空间依赖关系。近年来，研究人员从Gabor特征和LBP特征提取方法中受到启发，提出了基于Gabor的表面特征(Gabor SurfaceFeature，GSF)提取方法。具体来说，首先从二维图像中提取出Gabor幅值特征，然后通过这些Gabor幅值特征的一阶和二阶导数对图像进行表征。GSF的优势在于通过Gabor滤波器获得的特征不受图像光照条件变化的影响。然而，对于高光谱遥感影像来说，GSF提取方法主要存在两点不足。首先，它仅仅针对二维图像的空间关系进行表征，导致高光谱遥感影像的三维空谱结构没有得到充分挖掘。其次，高光谱遥感影像包含上百个波段，GSF的多尺度分析和直方图特征表示方法使得特征维度大幅膨胀，降低了分类性能，同时增加了时间和空间的复杂度。

发明内容

本发明实施例提供了一种高光谱遥感图像的三维表面空谱联合特征编码方法及装置，可以充分利用高光谱遥感影像的三维空谱结构，提高了分类性能，减小了时间和空间的复杂度。

第一方面，本发明实施例提供一种高光谱遥感图像的三维表面空谱联合特征编码方法，其特征在于，所述方法包括：

对原始图像H进行归一化处理，得到归一化的图像R；

根据预设梯度模板计算所述归一化的图像R的梯度；

根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；

对所述编码特征图谱进行直方图特征提取，得到三维表面特征(3 dimensionsurface features，3DSF)。

第二方面，本发明实施例提供一种高光谱遥感图像的三维表面空谱联合特征编码装置，其特征在于，所述装置包括：

归一化处理单元，用于对原始图像H进行归一化处理，得到归一化的图像R；

计算单元，用于根据预设梯度模板计算所述归一化的图像R的梯度；

编码单元，用于根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；

特征提取单元，用于对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF。

可以看出，在本发明实施例的方案中，首先、上述特征编码装置对原始图像进行归一化处理，得到归一化的图像；其次、上述特征编码装置根据预设梯度模板计算归一化的图像的梯度值；再次，上述特征编码装置对归一化的图像和其梯度进行二值化处理，得到二值化数据；最后，上述特征编码装置对二值化数据进行编码，并根据编码结果获取3DSF特征。通过该方法，可以充分利用高光谱遥感影像的三维空谱结构，提高了分类性能，减小了时间和空间的复杂度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种高光谱遥感图像的三维表面空谱联合特征编码方法流程示意图；

图2为本发明实施例提供的另一种高光谱遥感图像的三维表面空谱联合特征编码方法流程示意图；

图3为一种三维坐标系示意图；

图4a为一种波段图像的像素点示意图；

图4b为处理后的波段图像的像素点示意图；

图4c为波段图像的像素点梯度值示意图；

图5为本发明实施例提供的一种高光谱遥感图像的三维表面空谱联合特征编码装置的结构示意图；

图6为本发明实施例提供的另一种高光谱遥感图像的三维表面空谱联合特征编码装置的结构示意图。

具体实施方式

本发明实施例提供了一种高光谱遥感图像三维表面空谱联合特征编码方法及装置，可以充分利用高光谱遥感影像的三维空谱结构，并提高了分类性能，减小了时间和空间的复杂度。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例提供的一种高光谱遥感图像的三维表面空谱联合特征编码方法，包括：

对原始图像H进行归一化处理，得到归一化的图像R；根据预设梯度模板计算所述归一化的图像R的梯度；根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；对所述编码特征图谱进行直方图特征提取，得到3DSF。

参见图1，图1是本发明实施例提供的一种高光谱遥感图像三维表面空谱联合特征编码方法的第一实施例流程示意图。如图1所示，本发明实施例提供的高光谱遥感图像特征提取方法包括以下步骤：

S101、对原始图像H进行归一化处理，得到归一化的图像R。

其中，对原始图像H进行归一化处理，得到归一化的图像R包括：

获取原始图像H的像素的均值和方差；

根据所述原始图像H的像素的均值和方差对所述原始图像H进行归一化处理，得到归一化的图像R。

具体地，上述特征编码装置在光谱维度上，根据不同的波段将上述原始图像H划分为M个波段图像。上述特征编码装置计算M个波段图像中每个波段图像的像素的均值和方差。然后，上述特征编码装置根据预设公式对每个波段图像进行归一化处理，得到处理后的图像。上述预设公式为：

其中，H_b为上述M个波段图像中的任意一个，上述mean(H_b)为H_b的均值，上述std(H_b)为H_b的方差，上述R_b为对上述H_b进行归一化处理得到的图像。

进一步地，对上述原始图像H的每个波段图像进行归一化处理后，得到归一化的图像R，且

可选地，上述归一化处理还可为最大最小值归一化处理、中值归一化处理。

S102、根据预设梯度模板计算所述归一化的图像R的梯度。

其中，所述归一化的图像R的梯度包括所述归一化的图像R在空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b。

可选地，上述预设梯度模板可为[-1,0,1]。

其中，上述特征编码装置根据预设梯度模板计算归一化的图像R的梯度值是指计算上述归一化的图像R在空间维度上和光谱维度上的梯度值。如3所示，上述三个方向可以看成空间坐标系的三个轴，上述空间维度的两个方向可以用X、Y表示，光谱维度的方向用B表示。

具体地，上述特征编码装置对上述图像R，根据预设梯度模板[-1,0,1]计算X、Y、B三个方向的梯度值的过程如下：

其中，上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在X方向上的梯度值，R_(x+1)yb在上述归一化的图像R中坐标为(x+1,y,b)的像素点，R_(x-1)yb为上述归一化的图像R中坐标为(x-1,y,b)的像素点。

上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在Y方向上的梯度值，R_x(y+1)b在上述归一化的图像R中坐标为(x,y+1,b)的像素点，R_x(y-1)b为上述归一化的图像R中坐标为(x,y-1,b)的像素点。

上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在B方向上的梯度值，R_xy(b+1)在上述归一化的图像R中坐标为(x,y,b+1)的像素点、R_xy(b-1)为上述归一化的图像R中坐标为(x,y,b-1)的像素点。

按照上述方法，上述特征编码装置计算得到上述归一化的图像R在三个方向(空间维度上的梯度和光谱维度上的梯度)。可用[R^x,R^y,R^b]表示上述归一化的图像R在三个方向上的梯度，

其中，上述R^x和R^y表示上述归一化的图像R在空间维度上的梯度，上述R^b为上述归一化的图像R在光谱维度上的梯度。

需要说明的是，在进行计算像素点的梯度之前，上述将非上述归一化的图像R的像素点的像素值置为0。

S103、根据所述归一化的图像R的梯度进行编码，得到编码特征图谱。

其中，根据所述归一化的图像R的梯度进行编码，得到编码特征图谱，包括：

根据所述归一化的图像R及其空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b，计算得到对应的二值化数据S、S^x、S^y和S^b；

根据S、S^x、S^y、S^b和预设公式计算得到所述编码特征图谱，所述预设公式为：编码特征图谱＝2³S+2²S^x+2¹S^y+2⁰S^b，其中，2³、2²、2¹、2⁰分别为S、S^x、S^y、S^b的权值。

具体地，上述S为上述归一化的图像R进行二值化处理后的图像，上述S^x和S^y为上述归一化的图像R在空间维度上的梯度R^y，R^x进行二值化处理后的图像，上述S^b为上述归一化的图像在光谱维度上的梯度R^b进行二值化处理后的图像。

示例性地，上述特征编码装置通过如下公式对上述归一化的图像R进行二值化处理。该公式具体如下：

其中，上述mean(R)为上述归一化的图像R像素值的均值，R_xyb为上述归一化的图像R的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述S_xyb为上述R_xyb的二值化的值。当上述R_xyb大于mean(R)时，S_xyb等于1；当上述R_xyb小于或者等于mean(R)时，S_xyb等于0。

同理，上述特征编码装置通过如下公式对上述R^x进行二值化处理。该公式具体如下：

其中，上述mean(R^x)为上述R^x像素值的均值，

为上述R^x的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^x)时，

等于1；当上述

小于或者等于mean(R^x)时，

等于0。

同理，上述特征编码装置通过如下公式对上述R^y进行二值化处理。该公式具体如下：

其中，上述mean(R^y)为上述R像素值的均值，R_xyb为上述R^y的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^y)时，

等于1；当上述

小于或者等于mean(R^y)时，

等于0。

同理，上述特征编码装置通过如下公式对上述归一化的图像R^b进行二值化处理。该公式具体如下：

其中，上述mean(R^b)为上述R^b像素值的均值，

为上述R^b的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^b)时，

等于1；当上述

小于或者等于mean(R^b)时，

等于0。

其中，上述编码特征图谱Z的编码值表示像素周围的空谱结构特性。上述融合规则为上述特征编码装置根据特征的显著性为上述S，S^x，S^y和S^b分配权值。

具体地，上述S的权值为第一权值A1，上述S^x的权值为第二权值A2，上述S^y的权值为第三权值A3，上述S^b的权值为第四权值A4，由于上述原始图像(即原始高光谱遥感影像)包含了丰富的地物结构分布信息，且地物分布的空间特征比光谱特征更为明显，因此，A1>A2>A3>A4。上述联合特征图谱Z＝A1S+A2S^x+A3S^y+A4S^b

举例说明，假设上述S,S^x，S^y和S^b的权值分别设置为2³，2²，2¹和2⁰，具体编码方法表示为：

Z＝2³S+2²S^x+2¹S^y+2⁰S^b

其中，上述编码特征图谱Z将原始高光谱遥感影像(即上述原始图像R)和一阶梯度幅值(即上述S^x，S^y和S^b)融合在一起。

S104、对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF。

其中，上述直方图特征是在每个像素周围的一个立方体邻域V统计得到的。根据上述步骤S204中Z的计算公式可知S,S^x，S^y和S^b的取值均为0或者1，进而可知编码特征图谱Z可以有16个不同的编码值，分别为0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15，因此每个像素周围统计的直方图特征可为16维。假定

表示坐标为(x,y,b)的像素的直方图特征，那么统计公式为：

其中，上述V_x，V_y，V_b分别表示立方体邻域的空间维度和光谱维度，

运算符表示对数据向下取整，h(i)表示3DSF编码i在立方体邻域中出现的次数。当Z(x+j,y+k,b+l)＝i时，上述h(i)等于1；当Z(x+j,y+k,b+l)≠i时，上述h(i)等于0。

进一步地，上述特征编码装置获取上述每个编码在在立方体领域中出现的次数，得到16个数(即h(0)、h(1)、h(2)、…、h(14)、h(15))。上述特征编码装置将上述16个数组成一个数组，该组数可以看成上述3DSF特征。

换言之，每个像素周围统计的直方图特征为16维，而原始图像H是X*Y*B,可以看成16个(X*Y*B)的立方叠在一起，所以可以表示为X*Y*(16*B)。对于原始图像H来说，最终得到的3DSF特征为

该特征F可直接用于后续的像素级分类。

可以看出，在本发明实施例的方案中，首先、上述特征编码装置对原始图像进行归一化处理，得到归一化的图像；其次、上述特征编码装置根据预设梯度模板计算归一化的图像的梯度值；再次，上述特征编码装置对归一化的图像和其梯度进行二值化处理，得到二值化数据；最后，上述特征编码装置对二值化数据进行编码，并根据编码结果获取3DSF特征。通过该方法，可以充分利用高光谱遥感影像的三维空谱结构，提高了分类性能，减小了时间和空间的复杂度。

参见图2，图2为本发明实施例提供的另一种高光谱遥感图像的三维表面空谱联合特征编码方法的流程示意图。如图2所示，该方法包括：

S201、特征编码装置对原始图像H的每一个波段的图像进行归一化处理，得到归一化的图像R。

其中，上述原始图像

表示实数，X，Y，B分别表示该原始图像的空间维度和光谱维度的个数。

需要指出的是，上述原始图像H为高光谱遥感影像。

具体地，上述特征编码装置在光谱维度上，根据不同的波段将上述原始图像H划分为M个波段图像。上述特征编码装置计算M个波段图像中每个波段图像的像素的均值和方差。然后，上述特征编码装置根据预设公式对每个波段图像进行归一化处理，得到处理后的图像。上述预设公式为：

其中，H_b为上述M个波段图像中的任意一个，上述mean(H_b)为H_b的均值，上述std(H_b)为H_b的方差，上述R_b为对上述H_b进行归一化处理得到的图像。

进一步地，对上述原始图像H的每个波段图像进行归一化处理后，得到归一化的图像R，且

可选地，上述归一化处理还可为最大最小值归一化处理、中值归一化处理。

S202、特征编码装置根据预设梯度模板计算归一化的图像R的梯度值。

可选地，上述预设梯度模板可为[-1,0,1]。

其中，上述特征编码装置根据预设梯度模板计算归一化的图像R的梯度值是指计算上述归一化的图像R在空间维度上和光谱维度上的梯度值。如3所示，上述三个方向可以看成空间坐标系的三个轴，上述空间维度的两个方向可以用X、Y表示，光谱维度的方向用B表示。

具体地，上述特征编码装置对上述图像R，根据预设梯度模板[-1,0,1]计算X、Y、B三个方向的梯度值的过程如下：

其中，上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在X方向上的梯度值、R_(x+1)yb在上述归一化的图像R中坐标为(x+1,y,b)的像素点、R_(x-1)yb为上述归一化的图像R中坐标为(x-1,y,b)的像素点。

上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在Y方向上的梯度值、R_x(y+1)b在上述归一化的图像R中坐标为(x,y+1,b)的像素点、R_x(y-1)b为上述归一化的图像R中坐标为(x,y-1,b)的像素点。

上述

为在上述归一化的图像R中坐标为(x,y,b)的像素点在B方向上的梯度值、R_xy(b+1)在上述归一化的图像R中坐标为(x,y,b+1)的像素点、R_xy(b-1)为上述归一化的图像R中坐标为(x,y,b-1)的像素点。

按照上述方法，上述特征编码装置计算得到上述归一化的图像R在三个方向(空间维度上的梯度和光谱维度上的梯度)。可用[R^x,R^y,R^b]表示上述归一化的图像R在三个方向上的梯度，

其中，上述R^x和R^y表示上述归一化的图像R在空间维度上的梯度，上述R^b为上述归一化的图像R在光谱维度上的梯度。

需要说明的是，在进行计算像素点的梯度之前，上述将非上述归一化的图像R的像素点的像素值置为0。

举例说明，假设上述归一化的图像R中一个波段图像如图4a所示，该波段图像的分辨率为4*4，其每个像素值如图4a所示。在计算该波段图像的像素点的梯度值之前，上述特征编码装置将非波段图像的像素点的像素值置为0，如图4b所示。然后根据梯度模板[-1,0,1]，计算每个像素点的梯度值。比如，第一行第一个像素点的像素值P₁₁＝1，则该像素点的梯度值＝P₁₂-0＝2；第二航第三个像素点的像素值P₂₃＝0，该像素点的梯度值＝P₂₄-P₂₂＝2-1＝1。依此类推，上述特征编码装置可计算得到该波段图像的像素梯度，如图4c所示。图4a为一种波段图像的像素点示意图；图4b为处理后的波段图像的像素点示意图；图4c为波段图像的像素点梯度值示意图。

S203、特征编码装置对归一化的图像和其梯度进行二值化处理，得到二值化数据。

具体地，上述特征编码装置对上述归一化的图像R和该图像在三个方向上的梯度R^x，R^y和R^b进行二值化处理，得到二值化的图像S，S^x，S^y和S^b。

其中，上述S为上述归一化的图像R进行二值化处理后的图像，上述S^x和S^y为上述归一化的图像R在空间维度上的梯度R^y，R^x进行二值化处理后的图像，上述S^b为上述归一化的图像在光谱维度上的梯度R^b进行二值化处理后的图像。

示例性地，上述特征编码装置通过如下公式对上述归一化的图像R进行二值化处理。该公式具体如下：

其中，上述mean(R)为上述归一化的图像R像素值的均值，R_xyb为上述归一化的图像R的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述S_xyb为上述R_xyb的二值化的值。当上述R_xyb大于mean(R)时，S_xyb等于1；当上述R_xyb小于或者等于mean(R)时，S_xyb等于0。

同理，上述特征编码装置通过如下公式对上述R^x进行二值化处理。该公式具体如下：

其中，上述mean(R^x)为上述R^x像素值的均值，

为上述R^x的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^x)时，

等于1；当上述

小于或者等于mean(R^x)时，

等于0。

同理，上述特征编码装置通过如下公式对上述R^y进行二值化处理。该公式具体如下：

其中，上述mean(R^y)为上述R像素值的均值，R_xyb为上述R^y的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^y)时，

等于1；当上述

小于或者等于mean(R^y)时，

等于0。

同理，上述特征编码装置通过如下公式对上述归一化的图像R^b进行二值化处理。该公式具体如下：

其中，上述mean(R^b)为上述R^b像素值的均值，

为上述R^b的在如图3所示的空间坐标轴上坐标为(x,y,z)的像素点的像素值，上述

为上述

的二值化的值。当上述

大于mean(R^b)时，

等于1；当上述

小于或者等于mean(R^b)时，

等于0。

S204、特征编码装置根据预设融合规则对S，S^x，S^y和S^b进行联合编码，得到编码特征图谱。

其中，上述编码特征图谱Z的编码值表示像素周围的空谱结构特性。上述融合规则为上述特征编码装置根据特征的显著性为上述S，S^x，S^y和S^b分配权值。

具体地，上述S的权值为第一权值A1，上述S^x的权值为第二权值A2，上述S^y的权值为第三权值A3，上述S^b的权值为第四权值A4，由于上述原始图像(即原始高光谱遥感影像)包含了丰富的地物结构分布信息，且地物分布的空间特征比光谱特征更为明显，因此，A1>A2>A3>A4。上述联合特征图谱Z＝A1S+A2S^x+A3S^y+A4S^b

举例说明，假设上述S,S^x，S^y和S^b的权值分别设置为2³，2²，2¹和2⁰，具体编码方法表示为：

Z＝2³S+2²S^x+2¹S^y+2⁰S^b

其中，上述编码特征图谱Z将原始高光谱遥感影像(即上述原始图像R)和一阶梯度幅值(即上述S^x，S^y和S^b)融合在一起。

S205、特征编码装置对编码特征图谱进行直方图特征提取，得到3DSF特征。

其中，上述直方图特征是在每个像素周围的一个立方体邻域V统计得到的。根据上述步骤S204中Z的计算公式可知S,S^x，S^y和S^b的取值均为0或者1，进而可知编码特征图谱Z可以有16个不同的编码值，分别为0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15，因此每个像素周围统计的直方图特征可为16维。假定

表示坐标为(x,y,b)的像素的直方图特征，那么统计公式为：

其中，上述V_x，V_y，V_b分别表示立方体邻域的空间维度和光谱维度，

运算符表示对数据向下取整，h(i)表示3DSF编码i在立方体邻域中出现的次数。当Z(x+j,y+k,b+l)＝i时，上述h(i)等于1；当Z(x+j,y+k,b+l)≠i时，上述h(i)等于0。

进一步地，上述特征编码装置获取上述每个编码在在立方体领域中出现的次数，得到16个数(即h(0)、h(1)、h(2)、…、h(14)、h(15))。上述特征编码装置将上述16个数组成一个数组，该组数可以看成上述3DSF特征。

换言之，每个像素周围统计的直方图特征为16维，而原始图像H是X*Y*B,可以看成16个(X*Y*B)的立方叠在一起，所以可以表示为X*Y*(16*B)。对于上述原始图像H来说，最终得到的3DSF特征为

该特征F可直接用于后续的像素级分类。

可以看出，在本发明实施例的方案中，首先、上述特征编码装置对原始图像进行归一化处理，得到归一化的图像；其次、上述特征编码装置根据预设梯度模板计算归一化的图像的梯度值；再次，上述特征编码装置对归一化的图像和其梯度进行二值化处理，得到二值化数据；最后，上述特征编码装置对二值化数据进行编码，并根据编码结果获取3DSF特征。通过该方法，可以充分利用高光谱遥感影像的三维空谱结构，提高了分类性能，减小了时间和空间的复杂度。

参见图5，图5为本发明实施例提供的一种高光谱遥感图像三维表面空谱联合特征编码装置结构示意图。如图5所示，该装置500包括：

归一化处理单元501，用于对原始图像H进行归一化处理，得到归一化的图像R。

其中，所述归一化处理单元501包括

获取子单元5011，用于获取原始图像H的像素的均值和方差；

处理子单元5012，用于根据所述原始图像H的像素的均值和方差对所述原始图像H进行归一化处理，得到归一化的图像R。

计算单元502，用于根据预设梯度模板计算所述归一化的图像R的梯度。

其中，所述归一化的图像R的梯度包括所述归一化的图像R在空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b。

编码单元503，用于根据所述归一化的图像R的梯度进行编码，得到编码特征图谱。

其中，所述编码单元503包括：

第一计算子单元5031，用于根据所述归一化的图像R及其空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b，计算得到对应的二值化数据S、S^x、S^y和S^b；

第二计算子单元5032，用于根据S、S^x、S^y、S^b和预设公式计算得到所述编码特征图谱，所述预设公式为：

编码特征图谱＝2³S+2²S^x+2¹S^y+2⁰S^b，

其中，2³、2²、2¹、2⁰分别为S、S^x、S^y、S^b的权值。

特征提取单元504，用于对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF。

其中，所述特征提取单元504用于：

根据统计公式获取由所述S、S^x、S^y、S^b组成的编码值i在每个像素周围的立方体邻域中出现的次数；

所述统计公式为：

其中，所述

表示坐标为(x,y,b)的像素的直方图特征，所述V_x，V_y，V_b分别表示立方体邻域的空间维度和光谱维度，

运算符表示对数据向下取整，h(i)表示所述编码值i在立方体邻域中出现的次数，由所述次数组成的数组即为所述3DSF。

在本实施例中，高光谱遥感图像三维表面空谱联合特征编码装置500是以单元(归一化处理单元501、计算单元502、编码单元503和特征提取单元504)的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。

可以理解的是，本实施例的高光谱遥感图像三维表面空谱联合特征编码装置500的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

参见图6，图6是本发明实施例提供的一种高光谱遥感图像三维表面空谱联合特征编码装置的结构示意图，用于实现本发明实施例公开的高光谱遥感图像特征提取方法。其中，该高光谱遥感图像三维表面空谱联合特征编码装置600可以包括：至少一个总线601、与总线601相连的至少一个处理器602以及与总线601相连的至少一个存储器603。

其中，处理器602通过总线601，调用存储器中存储的代码以用于对原始图像H进行归一化处理，得到归一化的图像R；根据预设梯度模板计算所述归一化的图像R的梯度；根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF。

在本实施例中，高光谱遥感图像三维表面空谱联合特征编码装置600是以单元的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integratedcircuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。

可以理解的是，本实施例的高光谱遥感图像三维表面空谱联合特征编码装置600的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种高光谱遥感图像三维表面空谱联合特征编码方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明的各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种高光谱遥感图像的三维表面空谱联合特征编码方法，其特征在于，所述方法包括：

对原始图像H进行归一化处理，得到归一化的图像R；

根据预设梯度模板计算所述归一化的图像R的梯度；所述归一化的图像R的梯度包括所述归一化的图像R在空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b；

根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；

对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF；

其中，根据所述归一化的图像R的梯度进行编码，得到编码特征图谱，包括：

根据所述归一化的图像R及其空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b，计算得到对应的二值化数据S、S^x、S^y和S^b；

根据S、S^x、S^y、S^b和预设公式计算得到所述编码特征图谱，所述预设公式为：

编码特征图谱＝2³S+2²S^x+2¹S^y+2⁰S^b，

其中，2³、2²、2¹、2⁰分别为S、S^x、S^y、S^b的权值。

2.根据权利要求1所述的方法，其特征在于，对原始图像H进行归一化处理，得到归一化的图像R包括：

获取原始图像H的像素的均值和方差；

根据所述原始图像H的像素的均值和方差对所述原始图像H进行归一化处理，得到归一化的图像R。

3.根据权利要求1所述的方法，其特征在于，对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF，包括：

根据统计公式获取由所述S、S^x、S^y、S^b组成的编码值i在每个像素周围的立方体邻域中出现的次数；

所述统计公式为：

其中，所述

表示坐标为(x,y,b)的像素的直方图特征，所述V_x，V_y，V_b分别表示立方体邻域的空间维度和光谱维度，

运算符表示对数据向下取整，h(i)表示所述编码值i在立方体邻域中出现的次数，由所述次数组成的数组即为所述3DSF，所述Z函数用于表征所述编码特征图谱。

4.一种高光谱遥感图像的三维表面空谱联合特征编码装置，其特征在于，包括：

归一化处理单元，用于对原始图像H进行归一化处理，得到归一化的图像R；

计算单元，用于根据预设梯度模板计算所述归一化的图像R的梯度；所述归一化的图像R的梯度包括所述归一化的图像R在空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b；

编码单元，用于根据所述归一化的图像R的梯度进行编码，得到编码特征图谱；

特征提取单元，用于对所述编码特征图谱进行直方图特征提取，得到三维表面特征3DSF；

其中，所述编码单元包括：

第一计算子单元，用于根据所述归一化的图像R及其空间维度上的梯度R^x和R^y与光谱维度上的梯度R^b，计算得到对应的二值化数据S、S^x、S^y和S^b；

第二计算子单元，用于根据S、S^x、S^y、S^b和预设公式计算得到所述编码特征图谱，所述预设公式为：

编码特征图谱＝2³S+2²S^x+2¹S^y+2⁰S^b，

其中，2³、2²、2¹、2⁰分别为S、S^x、S^y、S^b的权值。

5.根据权利要求4所述的装置，其特征在于，所述归一化处理单元包括

获取子单元，用于获取原始图像H的像素的均值和方差；

处理子单元，用于根据所述原始图像H的像素的均值和方差对所述原始图像H进行归一化处理，得到归一化的图像R。

6.根据权利要求4所述的装置，其特征在于，所述特征提取单元用于：

根据统计公式获取由所述S、S^x、S^y、S^b组成的编码值i在每个像素周围的立方体邻域中出现的次数；

所述统计公式为：

其中，所述

表示坐标为(x,y,b)的像素的直方图特征，所述V_x，V_y，V_b分别表示立方体邻域的空间维度和光谱维度，

运算符表示对数据向下取整，h(i)表示所述编码值i在立方体邻域中出现的次数，由所述次数组成的数组即为所述3DSF，所述Z函数用于表征所述编码特征图谱。

Images