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
【专利摘要】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。
【专利说明】
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
[0001] 本发明设及图像处理领域，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】
[0002] 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，运使得高光谱影像的数据量呈指数量级增加 。WAVIRISUirborne Visible/In打aed 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512X614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。
[0003] 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W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运些重要像素点。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W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。在运种情况下，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。
[0004] 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，但是运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、±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，W致影响高光谱影像的进一步实际应用。
【发明内容】
[0005] 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。
[0006] 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.输入一幅大小为燃.Μ效像素的高光谱影像，建立光谱向量矩阵：
其中, (l<i<巧，！<j<n'嗦示空间位置ft.義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，聲表示波段数， 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，祭表示感兴趣的代表 性地物数量； 步骤3.根据公式(υ，采用线性光谱混合模型构造混合像元的标准参考向量；：
難 其中，每为；中各端元向量^所占的比例，且
：（为误差项，霉为矩阵R的 第古个行向量； 步骤4.根据公式巧.)计算输入图像的每个像元光谱向量与混合像元标准向量三的相 关系数，得到偏差矩時
其中，馬为像元(U)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(S:.為在第垂个波段的光谱反射率； 步骤5.对感兴趣区域的轮廓水平集技进行初始化，再W像元相关系数偏差矩阵兹窮 构造 C-V模型能量函数：
其中，孩将图像分为巧的内部与外部两个区域，其区域平均灰度分别表示为孩;: 与巧，玉依)表示闭合曲线巧的弧长，巧C袜示曲线c包围的面积，與、、巧。分别为 能量权重系数，^興^为偏差矩阵Δ赛中位于第i行、第j列的元素； 步骤6.用Euler-Lagrange方法计算使公式巧j取得最小值时对应的轮廓水平集替，其 形式由公式議所示的梯度下降流给出：
步骤7:利用有限差分法迭代求解公式(4)，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。
[0007]与现有技术相比，本发明具有W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W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】
[000引图1是本发明实施例的流程图。
[0009] 图2是本发明实施例与传统的C-V方法从化sperRidge地区的植被覆盖图中提取感 兴趣的植被区域的结果对比。
[0010] 图3是本发明实施例与传统的C-V方法从CuprUe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】
[0011] 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.输入一幅大小为纖沁狡像素的高光谱影像，建立其光谱向量矩阵：
其中，％(1這3空贿，主空?公转）表示空间位置食;4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、±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），3'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，g的上限值可达224)，F表示感兴趣的代 表性地物数量； 步骤3.根据公式α)，采用线性光谱混合模型构造混合像元的标准参考向量? :
II)： 其中，咬为》中各端元向量辜所占的比例，且'
C为误差项，璋为矩阵逊 的第?个行向量； 步骤4.根据公式讓：)计算输入图像的每个像元光谱向量与混合像元标准向量5的相 关系数，得到偏差矩阵
其中，赁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孩进行初始化，再W像元相关系数偏差矩阵茜冀 构造 C-V模型能量函数：
其中，Γ将图像聲分为巧的内部与外部两个区域，其区域平均灰度分别表示为巧： 与￡7。，￡i巧表示闭合曲线C的弧长，覆駭1表示曲线巧包围的面积，戒、怒、聲、巧。分别为能 量权重系数，为偏差矩阵遠赛中位于第i行、第j列的元素，参数值取为戒=1000,躬=0， .1; =? 喪:=.:'玉； 步骤6.用化ler-Lagrange方法计算使公式巧.)取得最小值时对应的轮廓水平集巧，其 形式由公式i凝所示的梯度下降流给出：
步骤7:利用有限差分法迭代求解公式(4)，所得的水平集函数孩所包围的区域即为提 取出的感兴趣区域，算法结束。
[0012] 本发明实施例与传统的C-V方法从化sperRidge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。
[0013] 从图2、图3可W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。
【主权项】
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.输入一幅大小为教:像素的高光谱影像，建立光谱向量矩阵：其中，_i._s丨左齊）表示空间位置丨_φ._^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，t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，梦表示感兴趣的代表 性地物数量； 步骤3.根据公式轉，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，5为^中各端元向量f所占的比例，且￡^-为误差项，芩为矩阵R的 第$个行向量； 步骤4.根据公式口Η十算输入图像的每个像元光谱向量与混合像元标准向量.:α的相关 系数，得到偏差矩阵其中，$为像元ivi)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羞！构 造 C-V模型能量函数：其中，屬将图像分为禮的内部与外部两个区域，其区域平均灰度分别表示为$ 与匕表示闭合曲线（的弧长，资謂表示曲线0包围的面积，ms:、％分别为能 量权重系数，&为偏差矩阵么遠中位于第i行、第j列的元素； 步骤6.用Euler-Lagrange方法计算使公式⑶取得最小值时对应的轮廓水平集〇'，其 形式由公式⑷所示的梯度下降流给出：其中，·为散度算子，雄的定义为：步骤7:利用有限差分法迭代求解公式_，所得的水平集函数夕所包围的区域即为提取 出的感兴趣区域。
【文档编号】G06K9/32GK105825217SQ201610165962
【公开日】2016年8月3日
【申请日】2016年3月22日
【发明人】王相海, 宋传鸣, 解天, 毕晓昀
【申请人】辽宁师范大学