專利名稱：一種基于正則化高階統計量的高光譜空間多目標檢測方法
技術領域：
本發明涉及一種基于正則化高階統計量的高光譜空間多目標檢測方法，屬于高光譜遙感圖像目標檢測技術領域。
背景技術：
如今，地球軌道上有30000多個人造物體各種各樣的軍事、商業衛星，火箭發射體，及各種碎片、太空垃圾。一些軍事大國也在研究各種反衛星武器。空間預警越來越引起各個國家的關注。越來越多的監測衛星安裝有高光譜成像系統，獲取的高光譜圖像包含很多潛在的信息。這是因為高光譜遙感系統將圖像維與光譜維信息融合為一體，在獲取空間目標圖像時，在每個譜段上分別得到光譜信息，進而針對每個物體形成連續的光譜，可以實現依據物體光譜特征的物體成份信息反演與物體識別。對系統獲取的高光譜數據分析，可以得到空間目標的尺寸，結構，組成材料，類型，功能及姿態改變信息等。普通全色圖像不具備上述特點，以上信息很難通過普通全色圖像獲得。高光譜成像技術在過去三十年的迅猛發展成為當前國內外遙感圖像領域的研究熱點之一。高光譜圖像和傳統遙感圖像相比，突出特點是光譜分辨率高，可獲得觀測對象的幾十個甚至上百個光譜波段的圖像信息。成像光譜系統獲得的連續波段寬度一般都在IOnm 以內，因此這種數據能以足夠的光譜分辨率區分出那些具有診斷性光譜特征的地表物質， 這也是高光譜技術用于探測甚至識別地物的物質基礎(耿修瑞.高光譜遙感圖像目標探測與分類技術研究[D].北京中國科學院遙感應用研究所，2005)。高光譜圖像數據是一個數據立方體，其一層圖像對應一個光譜波段；每個像素點位置對應一條光譜曲線(賀霖，潘泉等·高光譜圖像目標檢測研究進展[J].電子學報，2009，37 (9) =2016-2024) 0因此，高光譜圖像具有圖譜合一的特性，即同時包含被觀測物體的空間信息和光譜信息。高光譜遙感圖像是通過成像光譜儀對上百個連續的譜段進行成像，得到的三維數據立方體，豐富的光譜信息可以為物體的識別反演提供重要信息。正是由于高光譜圖像的高光譜分辨率，使得許多原來利用普通光學圖像信息不能解決的問題，可以通過分析高光譜數據得到解決。高光譜圖像目標檢測是利用已知的目標光譜信息在高光譜圖像中對感興趣的目標進行檢測、定位的技術(劉穎.高光譜圖像目標識別新技術研究[D].哈爾濱哈爾濱工業大學，2007)。高光譜圖像目標檢測技術在軍事和民用領域中都有重要的應用價值。在軍事領域可用于對飛機、坦克等軍事目標進行檢測、定位。在民用領域也可用于房屋等目標的檢測。目前存在的這些目標檢測方法主要利用數據的二階統計量進行計算，主要涉及到了數據的協方差陣或相關陣，而沒有利用數據的高階統計量。而數據的高階統計量往往包含著數據更重要的特征信息，對檢測來說是非常有用的。在復雜背景下，目標又往往不僅由一種物質構成，每種物質所占的像素往往很少，高階統計量能夠更好的描述目標的統計特征。本發明針對上述情況，提出一種基于高階統計量的目標檢測方法，充分利用了數據的高階統計信息，對目標由大到小的圖像序列進行檢測，取得了較好的效果。
發明內容
1、目的本發明的目的是提供一種基于正則化高階統計量的高光譜空間多目標檢測方法，它充分利用數據的高階統計量，對多個目標不同大小的圖像序列一次遍歷檢驗后， 得到較好的檢測效果，特別是能夠在較強的噪聲干擾下，能夠提高低虛警率情況下的檢測概率。這點對于實際應用是十分有利的。2、技術方案本發明是通過以下技術方案實現的
種基于正則化高階統計量的高光譜空間多目標檢測方法，它包括如下步驟步驟一計算機讀取高光譜圖像數據。計算機在MATLAB R2010a環境下讀取高光譜圖像數據，數據來源于仿真的哈勃望遠鏡遙感高光譜圖像，得到數據立方體。仿真的高光譜圖像共有4張，本發明所用的實驗數據來自仿真的一組哈勃望遠鏡高光譜數據，其材料信息來自光譜庫。每張圖像的分辨率均為177X 193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060,3941，1064和305。每張仿真圖像共有100個波段，信噪比為20，目標光譜來自已知的光譜庫。假設高光譜圖像共有M個波段，像素的光譜曲線用向量形式表示Xtl = [X01 ； X02' . . .，X0M]T' X0i為該像素第i個波段的值。已知的目標光譜也用向量形式表示Cltl = [d01, Cltl2，...，d0M]T, d0i為該目標光譜第i個波段的值。步驟二 數據預處理。用計算機讀取數據后需要對數據進行預處理，即對數據進行去均值化和白化。(1)去均值化。對高光譜圖像去均值化，每個像素的光譜曲線都減去所有像素光譜曲線的平均值，去均值后使得整個高光譜圖像數據的均值為零。另外，已知的目標光譜也要減去均值。去均值化可通過下式進行χ' = X0-E {x0}其中，E{}表示取數學期望，可用圖像各像素光譜曲線的平均值近似代替，即 1 N
￡{、} = 77工、。其中 表示第1個像素的光譜曲線』等于圖像的像素個數。相應的已知
的目標光譜也需要進行相應的處理，減去圖像各像素光譜曲線的期望即d' =d。_E{x0}(2)數據白化。對圖像進行去均值化以后，還需要對高光譜圖像數據進行白化。白化是去相關的過程，白化之后像素的光譜曲線各分量之間是不相關的，即像素光譜曲線的協方差矩陣是單位陣。另外，目標光譜也要進行相應的處理，即用白化矩陣乘以目標光譜。白化可通過下式進行χ = Γ "1/2χ'其中，Γ為數據的協方差矩陣，因為已進行了去均值化，協方差矩陣等于自相關
1 Ν
陣，即Γ = ;Σνχ/，χ/表示去均值化后的第i個像素的光譜曲線，T表示轉置。相應的
目標光譜也需要進行相應的處理即Cli = Γ ^172cIi'，i = 1，2，· · ·，4
數據經過去均值化和白化處理后均值為零，協方差矩陣是單位陣即E{x} =0Ε{χχτ} = I步驟三求解檢測濾波器最佳權向量。數據進行去均值化和白化后，接下來的檢測過程可以看作是一個濾波的過程。檢測濾波器可以寫為y = wTx其中，χ是每個像素的光譜曲線，y是濾波器的輸出，w = [W1, W2, . . . wM]T是濾波器的權向量。目標函數即為最小化輸出數據的高階統計量，求出最佳權向量。求解最佳權向量本質上是加入負的正則化項的極值求解問題，最佳權向量w的求解問題可以寫為
ηmin￡{G(wrx)}-^^iW7dt，/ = 1,2,···,4
i=\其中，d為經過預處理后的目標光譜，y = WTX, G為高階統計量函數。本發明選取了兩種高階統計量，即=G(y) = y3，G(y) = y4。即求下列函數的極值J(w) = E{G(wTx)} - Yj AiWrCij，/ = 1,2,···,4
i=l這里應用梯度下降法，此目標函數的梯度為VJ = E(G1(WrX)X)-^，/ = 1,2,···,4
i=l本發明采用梯度下降法求解函數J(w)的極值，從而求解出最佳權向量W。具體實施過程如下(1)、初始化W。w的初始值可以隨機給定，即w+ = rand (w)(2)、迭代w。利用梯度下降法對w進行迭代，迭 代規則為Ai = I
8w+ =W-ZzVj =w-μ{Ε{0'(wrx)x}-^^di}，/ = 1,2,···,4
i=l其中，μ為步長，本發明取μ = 10_4。(3)、停止迭代條件。當兩次迭代的權向量W在相鄰兩次迭代的過程中變化不大時停止迭代，本發明中停止條件為I |w_wold| I < to 1wold表示上一次迭代中w的值。本發明中取tol = 10_4。步驟四獲取檢測結果圖像。在求解出最佳權向量后，將每個像素的光譜曲線通過檢測濾波器，得出輸出數據。然后設定合適的閾值，濾波器輸出大于閾值的判定該像素存在目標，小于閾值的判定該像素不存在目標。將輸出大于閾值所對應的像素灰度值設為255， 輸出小于閾值所對應的像素灰度值設為0，就得到了二值圖像。在二值圖像中目標對應的區域為白色，非目標對應的區域為黑色，從而完成了對目標的檢測和定位。3、優點及功效針對目前高光譜圖像目標檢測方法沒有利用數據的高階統計量，只是利用了二階統計量的情況，本發明提供了一種基于正則化高階統計量的高光譜空間多目標檢測方法，它充分利用了數據的高階統計信息，可以獲得較好的檢測效果，特別是能夠提高低虛警率條件下同時對多個目標的檢測概率，這點對于實際應用是十分有益的。
圖1本發明所述方法流程示意2本發明所述方法檢測過程示意3本發明中的最佳權向量與所有像素點對應的高光譜作內積后的結果示意4本發明選用y3，y4作為高階統計量所得接收機操作的ROC特性曲線示意圖說明本發明所用的實驗數據來自仿真的一組哈勃望遠鏡高光譜數據，其材料信息來自光譜庫。每張圖像的分辨率均為177X 193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060,3941，1064和305。每張仿真圖像共有100個波段，信噪比為20。
具體實施例方式為了更好地理解本發明的技術方案，以下結合附圖對本發明的實施方式作進一步描述本發明在MATLAB R2010a語言環境下實現。計算機讀取高光譜遙感圖像數據后， 獲取的是數據立方體，首先對數據進行去均值化使得數據的均值為零，然后對數據進行白化，去除數據的相關性。檢測過程可以看作是一個濾波的過程。去均值化和白化后的每個像素所對應的光譜曲線X= [X1, X2, ...，xM]T作為濾波器的輸入，濾波器權向量W= [W1, W2, ... , WM]T和輸入X的乘積WtX作為輸出。設定輸出數據的高階統計量作為目標函數，尋找最佳權向量W，再加入負的正則化項的前提下，最小化輸出數據的高階統計量，而高階統計量的選擇可以有多種。然后利用各種最優化的方法求得最佳權向量，本發明采用梯度下降法求取最佳權向量。求出最佳權向量后，將每個像素的光譜曲線通過濾波器得到輸出數據，設定合適的閾值，判定輸出值大于閾值所對應的像素存在目標，小于閾值所對應的像素不存在目標。本發明一種基于正則化高階統計量的高光譜空間多目標檢測方法，該方法的流程圖見圖1所示，其計算機配置采用Intel (R) Core (TM) i5M 45002.40GHz。該檢測方法包括如下步驟步驟一、計算機讀取高光譜圖像數據。計算機在MATLAB R2010a環境下讀取高光譜圖像數據，數據來源于仿真的哈勃望遠鏡遙感高光譜圖像，得到數據立方體。仿真的高光譜圖像共有4張，本發明所用的實驗數據來自仿真的一組哈勃望遠鏡高光譜數據，其材料信息來自光譜庫。每張圖像的分辨率均為177X 193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060,3941，1064和305。每張仿真圖像共有100個波段，信噪比為20，目標光譜來自已知的光譜庫。假設高光譜圖像共有M個波段，像素的光譜曲線用向量形式表示Xtl = [X01 ； X02' . . .，X0M]T' X0i為該像素第i個波段的值。已知的目標光譜也用向量形式表示Cltl = [d01, Cltl2，...，d0M]T, d0i為目標光譜第i個波段的值。步驟二、數據預處理。得到遙感圖像數據后，需要對數據進行預處理，即進行去均值化和白化。(1)、去均值化。需要對高光譜圖像數據進行去均值化，使得整個高光譜圖像的均值為零。去均值化可通過下式進行χ' = X0-E {x0}其中， E{}表示取數學期望，可用圖像各像素光譜曲線的平均值近似代替，即 1 N
權χ。>77Σ、。ΧΜ表示第i個像素的光譜曲線，N等于圖像的像素個數。相應的已知的目
標光譜也需要進行相應的處理，減去圖像各像素光譜曲線的期望即d' =d。_E{x0}(2)、數據白化。進行去均值化之后還需要對數據進行白化處理，去除數據的相關性。白化可通過下式進行χ = Γ "1/2χ'其中，Γ為數據的協方差矩陣，因為已進行了去均值化，協方差矩陣等于自相關
1 N
陣，即Γ = ;Σχ/χ/，χ/表示去均值化后的第i個像素的光譜曲線，T表示轉置。相應的
目標光譜也需要進行相應的處理即d=r-"2d'數據經過去均值化和白化處理后均值為零，協方差矩陣是單位陣即E{x} =0Ε{χχτ} = I步驟三、求解檢測濾波器最佳權向量。在進行數據預處理后，檢測過程可以看作是一個濾波過程，如圖2所示，檢測濾波器的輸入是經過去均值化和白化后的每個像素的光譜曲線X，輸出y = WTX。W= [W1，W2，...WM]T為濾波器的權向量。若輸出y> η，則判定該像素存在目標，若輸出y < n，則判定該像素不存在目標。而濾波器的設計過程即為最佳權向量W的求解過程。基于高階統計量的檢測方法的基本思想為在對目標光譜增益為1的約束下，最小化輸出數據的高階統計量。用公式表示如下minE {G (y)}其中，d為經過預處理后的目標光譜，y = wTx, G為高階統計量函數。本發明選取了兩種種高階統計量，即=G (y) = y3，G(y) = y4。求解最佳權向量本質上是條件極值的求解問題，可用拉格朗日乘子法轉化為無條件極值的問題，即求下列函數的極值J(w) = E{G(wTx)} -^ Wd1，/ = 1,2,···,4
i=l等價于求解下列方程組W = E{G'(WrX)Xj-YjA1Cii，/ = 1,2,···,4
i=l在此設定Xi = Li = 1,2, ...，4。本發明采用梯度下降法求解函數J(W)的極值，從而求解出最佳權向量W。具體實施過程如下
(1)、初始化W。w的初始值可以隨機給定，即w+ = rand (w)(2)、迭代w。利用梯度下降法對w進行迭代，迭代規則為Ai = I
8w+ =W-ZzVj =w-μ{Ε{0'(wrx)x}-^A1Cii}，/ = 1,2,···,4
i=l其中，μ為步長，本發明取μ = 10_4。(3)、停止迭代條件。當兩次迭代的權向量w在相鄰兩次迭代的過程中變化不大時停止迭代，本發明中停止條件為I |w_wold| I < to 1wold表示上一次迭代中w的值。本發明中取tol = 10_4。步驟四、獲取檢測結果圖像。在求得最佳權向量w后，如圖2所示將每個像素的光譜曲線X輸入檢測濾波器，得到輸出數據y = wTx。設定合理的閾值n，Sy> η則判定該像素存在目標，若y< η則判定該像素不存在目標。將判定存在目標的像素點灰度值設為 255，判定不存在目標的像素點灰度值設為0，則可得到輸出結果的二值圖像，在二值圖像中目標對應的區域為白色，非目標對應的區域為黑色，從而完成了對目標的檢測和定位。實驗結果為了驗證本發明方法的有效性，我們使用該方法進行實驗，并取得了較好的檢測效果。本發明所用的實驗數據來自仿真的一組哈勃望遠鏡高光譜數據，其材料信息來自光譜庫。每張圖像的分辨率均為177X 193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060，3941，1064和305。每張仿真圖像共有100個波段，信噪比為20。圖3是本發明中的最佳權向量與所有像素點對應的高光譜作內積后的結果。圖 4是本發明選用y3，y4作為高階統計量所得的接收機操作的特性曲線，即ROCOteceiver Operation Curve)曲線。ROC曲線的橫坐標是虛警率，縱坐標是檢測概率，ROC曲線下的面積越大表明在同樣的虛警率下取得的檢測概率越大，說明檢測器的性能越好。從實驗結果可以看出，我們發明的方法能取得較好的檢測結果，特別是在低虛警率情況下檢測概率較高，此方法能夠應用到軍用和民用領域的高光譜圖像目標檢測中，具有廣闊的應用前景和價值。
權利要求
1. 一種基于正則化高階統計量的高光譜空間多目標檢測方法，其特征在于該方法具體步驟如下步驟一計算機讀取高光譜圖像數據計算機在MATLAB R2010a環境下讀取高光譜圖像數據，得到數據立方體，仿真的高光譜圖像共有4張，數據來源于仿真的哈勃望遠鏡遙感高光譜圖像；每張圖像的分辨率均為177X 193，共有34161個像素點，而4張圖中每張圖的目標像素點的個數分別是15060,3941，1064和305 ；每張仿真圖像共有100個波段，信噪比為 20，目標光譜來自已知的光譜庫；假設高光譜圖像共有M個波段，像素的光譜曲線用向量形式表示X。= [χ0 ;χ02'·· · ,Χ0Μ]Τ'X0i為該像素第i個波段的值；已知的目標光譜也用向量形式表示Cltl = [d01, d02, . . .，d0M]T, d0i為該目標光譜第i個波段的值；步驟二數據預處理用計算機讀取數據后，即對數據進行去均值化和白化；(1)去均值化對高光譜圖像去均值化，每個像素的光譜曲線都減去所有像素光譜曲線的平均值，去均值后使得整個高光譜圖像數據的均值為零；已知的目標光譜也要減去均值，去均值化通過下式進行χ ‘ = X0-E {x0}其中，E{}表示取數學期望，用圖像各像素光譜曲線的平均值近似代替，即 1 N￡ χο) ^ TTZxOi-Xoi表示第i個像素的光譜曲線，N等于圖像的像素個數；相應的已知的目i=l標光譜也需要進行相應的處理，減去圖像各像素光譜曲線的期望即 d' = d0-E{x0}(2)數據白化白化是去相關的過程，白化之后像素的光譜曲線各分量之間是不相關的，即像素光譜曲線的協方差矩陣是單位陣；目標光譜也要進行相應的處理，即用白化矩陣乘以目標光譜；白化通過下式進行 χ= Γ-1/2χ'其中，Γ為數據的協方差矩陣，因為已進行了去均值化，協方差矩陣等于自相關陣，即 1 NF = -Zxi \ '"'Xi'表示去均值化后的第i個像素的光譜曲線，T表示轉置，相應的目標光丄、i=\譜也進行相應的處理即Cli = Γ—"Μ/ , i = 1,2, ... ,4數據經過去均值化和白化處理后均值為零，協方差矩陣是單位陣即 E {x} =0 Ε{χχτ} = I步驟三求解檢測濾波器最佳權向量數據進行去均值化和白化后，接下來的檢測過程看作是一個濾波的過程，檢測濾波器寫為 y = wTx其中，χ是每個像素的光譜曲線，y是濾波器的輸出，w = K, W2, ... wM]τ是濾波器的權向量，目標函數即為最小化輸出數據的高階統計量，求出最佳權向量； 最佳權向量w的求解寫為其中，d為經過預處理后的目標光譜，y = wTx，G為高階統計量函數；這里選取了兩種高階統計量，即=G (y) = y3，G(y) = y4 ； 即求下列函數的極值 這里應用梯度下降法，此目標函數的梯度為 采用梯度下降法求解函數J(w)的極值，從而求解出最佳權向量w ； 步驟四獲取檢測結果圖像在求解出最佳權向量后，將每個像素的光譜曲線通過檢測濾波器，得出輸出數據；然后設定合適的閾值，濾波器輸出大于閾值的判定該像素存在目標，小于閾值的判定該像素不存在目標；將輸出大于閾值所對應的像素灰度值設為255，輸出小于閾值所對應的像素灰度值設為0，就得到了二值圖像；在二值圖像中目標對應的區域為白色，非目標對應的區域為黑色，從而完成了對目標的檢測和定位。
2.根據權利要求1所述的一種基于正則化高階統計量的高光譜空間多目標檢測方法， 其特征在于步驟三中所述的采用梯度下降法求解函數J(W)的極值，從而求解出最佳權向量w的具體實施過程如下(1)、初始化w；w的初始值隨機給定，即 w+ = rand (w)(2)、迭代w；利用梯度下降法對w進行迭代，迭代規則為 Xi = I 其中，μ為步長，μ = ΙΟ"4；(3)、停止迭代條件；當兩次迭代的權向量w在相鄰兩次迭代的過程中變化不大時停止迭代，停止條件為|w-wold| I < tol w。ld表示上一次迭代中W的值，取tol = 10_4。
全文摘要
本發明一種基于正則化高階統計量的高光譜空間多目標檢測方法，它有四大步驟步驟一計算機在MATLAB R2010a環境下讀取高光譜圖像數據；步驟二計算機對數據進行預處理，即對數據進行去均值化和白化處理；步驟三構造檢測濾波器在加入負的正則化項后最小化輸出數據的高階統計量，求解檢測濾波器最佳權向量；步驟四設定合適的閾值，獲取檢測結果圖像。本發明克服了現有技術的不足，它充分利用數據的高階統計量，不論目標大小與否，都取得了較好的檢測效果，特別是能夠提高低虛警率情況下的檢測概率。它在高光譜遙感圖像目標檢測技術領域里具有較好的實用價值和廣闊的應用前景。
文檔編號G06T7/00GK102156981SQ20111005820
公開日2011年8月17日 申請日期2011年3月10日 優先權日2011年3月10日
發明者史振威, 秦臻 申請人:北京航空航天大學