本發(fā)明涉及高光譜圖像目標(biāo)檢測(cè)方法。

背景技術(shù)：

高光譜圖像傳感器能夠通過(guò)上百個(gè)光譜通道獲取地物的反射輻射信息，其波段范圍覆蓋了從可見(jiàn)光到近紅外乃至長(zhǎng)波紅外區(qū)域。高光譜圖像同時(shí)包含了地物的空間信息、反射或輻射信息及光譜信息，其特性通常被稱(chēng)為“圖譜合一”。而且，高光譜圖像數(shù)據(jù)提供了近乎連續(xù)的光譜采樣信息，可以記錄地物在光譜上很小的反射差異，作為地物分類(lèi)和檢測(cè)的依據(jù)。研究高光譜圖像目標(biāo)檢測(cè)新技術(shù)，具有重要的理論意義和應(yīng)用價(jià)值。在軍事方面，可以揭露敵方目標(biāo)的偽裝、隱藏和欺騙；在民用方面，在公共安全、質(zhì)量監(jiān)控、失事點(diǎn)搜尋與營(yíng)救等方面已經(jīng)有重要應(yīng)用。

當(dāng)前的目標(biāo)檢測(cè)手段主要有3種：異常檢測(cè)、已知樣本下的光譜匹配檢測(cè)和一類(lèi)分類(lèi)方式檢測(cè)。而常用的高光譜圖像光譜匹配檢測(cè)模型一般有三種，歐式距離模型，概率統(tǒng)計(jì)模型和子空間模型。典型的方法有正交子空間投影檢測(cè)方法(orthogonalsubspaceprojection，osp)，特征子空間投影檢測(cè)方法(signaturesubspaceprojection，ssp)，匹配子空間檢測(cè)方法(matchedsubspacedetector，msd)，光譜匹配濾波檢測(cè)方法(spectralmatchedfilter，smf)，自適應(yīng)余弦估計(jì)檢測(cè)方法(adaptivecosineestimator，ace)等。

目前針對(duì)高光譜圖像的目標(biāo)檢測(cè)主要是利用光譜匹配特性，通過(guò)光譜匹配程度來(lái)判斷單點(diǎn)的光譜屬性，并未充分考慮在高分條件下空間約束增強(qiáng)的特性，即局部相關(guān)性增強(qiáng)的特性?？兆V聯(lián)合檢測(cè)方法可以提高光譜和空間的利用能力，但一般的空譜聯(lián)合方法僅僅從空間或光譜的簡(jiǎn)單組合操作進(jìn)行分析，不能從三維數(shù)據(jù)的整體進(jìn)行信息挖掘。

張量(tensor)，即多維數(shù)組，更正式地說(shuō)，一個(gè)n階張量就是n個(gè)向量的張量積的結(jié)果。一個(gè)向量是一階張量，一個(gè)矩陣是二階張量，三階或更高階張量稱(chēng)為高階張量。利用張量模型對(duì)圖像進(jìn)行表示，可以有效地利用圖像的內(nèi)在幾何結(jié)構(gòu)信息，大幅提升了遙感圖像分類(lèi)等的性能。目前基于張量表示的遙感圖像處理方法已經(jīng)成功應(yīng)用到高光譜圖像的分類(lèi)和目標(biāo)檢測(cè)當(dāng)中，并取得了更好的分類(lèi)和檢測(cè)結(jié)果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有高光譜圖像目標(biāo)檢測(cè)方法中未充分考慮在高分條件下空間約束增強(qiáng)的特性，不能從三維數(shù)據(jù)整體進(jìn)行信息挖掘，檢測(cè)精度低的問(wèn)題，而提出一種基于張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法。

一種基于張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法具體過(guò)程為：

步驟一：對(duì)待檢測(cè)的高光譜圖像進(jìn)行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標(biāo)模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測(cè)的空x-空y-光譜三階測(cè)試樣本張量塊；

步驟二：設(shè)定目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊每一維投影后維度的大小，利用所有待檢測(cè)的測(cè)試樣本張量塊獲得目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣；

步驟三：根據(jù)步驟二獲得的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣，將步驟一得到的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊投影到預(yù)設(shè)的張量子空間中；

步驟四：采用tsam距離度量方式，計(jì)算在投影后的張量子空間內(nèi)，每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到目標(biāo)模板張量塊的總距離angle_t(m),m＝1,2,...m；

步驟五：建立張量距離比檢測(cè)模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值，設(shè)定閾值η，如果任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值ratio(m)大于閾值η，則確定該中心點(diǎn)的像元為目標(biāo)，否則認(rèn)為該中心點(diǎn)的像元為背景。

本發(fā)明的有益效果為：

本發(fā)明基于一種張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法，求取張量塊在三個(gè)維度上的投影矩陣，通過(guò)投影矩陣將所有待檢測(cè)的張量塊以及背景和目標(biāo)的模板張量塊映射到張量子空間中，在投影后的子空間中求取待檢測(cè)的測(cè)試樣本張量塊到目標(biāo)模板張量塊和背景模板張量塊的距離，采用張量距離比模型來(lái)刻畫(huà)其中心點(diǎn)的地物類(lèi)別屬性，最終充分利用高光譜數(shù)據(jù)的三維整體信息，實(shí)現(xiàn)對(duì)目標(biāo)的有效檢測(cè)。其中，待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)地物類(lèi)別屬性指的其中心點(diǎn)的像元是背景還是目標(biāo)。

張量(tensor)作為對(duì)多維數(shù)據(jù)進(jìn)行分析的有力數(shù)學(xué)工具，選用張量模型對(duì)高光譜圖像進(jìn)行表示，有效地利用了圖像內(nèi)在的幾何結(jié)構(gòu)，能夠充分挖掘數(shù)據(jù)整體的信息。

1、由于本發(fā)明方法對(duì)張量形式的高光譜圖像進(jìn)行處理，對(duì)三階張量塊進(jìn)行投影、距離度量等操作，相比于傳統(tǒng)的基于光譜匹配特性進(jìn)行目標(biāo)檢測(cè)的方法，能夠充分考慮在高分條件下空間約束增強(qiáng)的特性，從三維數(shù)據(jù)整體進(jìn)行信息挖掘，提高檢測(cè)精度，實(shí)現(xiàn)對(duì)高光譜圖像中目標(biāo)的有效檢測(cè)。

2、本發(fā)明方法中，對(duì)傳統(tǒng)的光譜角映射(spectralanglemapping，sam)方法進(jìn)行了張量形式的推廣，提出用tsam方法來(lái)衡量張量塊之間的相似性，用兩種距離的比值來(lái)刻畫(huà)測(cè)試樣本的屬性，能夠較好地實(shí)現(xiàn)目標(biāo)和背景的劃分。

結(jié)合圖4a、5a和圖4b、5b所示的高光譜圖像1、2的匹配子空間檢測(cè)結(jié)果和基于張量主成分分析降維的檢測(cè)結(jié)果，以及圖4c、5c所示的兩種檢測(cè)方法得到的檢測(cè)結(jié)果對(duì)應(yīng)的roc曲線，從圖4c可得出虛警率為0.1時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.72，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.98；虛警率為0.2時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.82，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.99；從圖5c可得出虛警率為0.2時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.56，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.62；虛警率為0.4時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.62，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.95；可得出本發(fā)明方法能夠在低虛警率的情況下達(dá)到好的檢測(cè)結(jié)果，驗(yàn)證了本發(fā)明提出的一種基于張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法的有效性。

附圖說(shuō)明

圖1為本發(fā)明所述方法流程示意圖；

圖2a為圣地亞哥局部高光譜圖像1第5波段圖像示意圖；

圖2b為圣地亞哥局部高光譜圖像1第5波段地物真值圖；

圖3a圣地亞哥局部高光譜圖像2第5波段圖像示意圖；

圖3b圣地亞哥局部高光譜圖像2第5波段地物真值圖；

圖4a圣地亞哥局部高光譜圖像1匹配子空間檢測(cè)結(jié)果圖；

圖4b圣地亞哥局部高光譜圖像1基于張量主成分分析降維的檢測(cè)結(jié)果圖；

圖4c圣地亞哥局部高光譜圖像1兩種檢測(cè)方法得到的檢測(cè)結(jié)果對(duì)應(yīng)的roc曲線，橫坐標(biāo)為虛警率，縱坐標(biāo)為檢測(cè)概率；

圖5a圣地亞哥局部高光譜圖像2匹配子空間檢測(cè)結(jié)果圖；

圖5b圣地亞哥局部高光譜圖像2基于張量主成分分析降維的檢測(cè)結(jié)果圖；

圖5c圣地亞哥局部高光譜圖像2兩種檢測(cè)方法得到的檢測(cè)結(jié)果對(duì)應(yīng)的roc曲線，橫坐標(biāo)為虛警率，縱坐標(biāo)為檢測(cè)概率；

具體實(shí)施方式

具體實(shí)施方式一：結(jié)合圖1說(shuō)明本實(shí)施方式，本實(shí)施方式的一種基于張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法，具體過(guò)程為：

步驟一：對(duì)待檢測(cè)的高光譜圖像進(jìn)行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標(biāo)模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測(cè)的空x-空y-光譜三階測(cè)試樣本張量塊；

步驟二：設(shè)定目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊每一維投影后維度的大小，利用所有待檢測(cè)的測(cè)試樣本張量塊獲得目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣；

步驟三：根據(jù)步驟二獲得的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣，將步驟一得到的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊投影到預(yù)設(shè)的張量子空間中；

步驟四：采用tsam距離度量方式，計(jì)算在投影后的張量子空間內(nèi)，每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到目標(biāo)模板張量塊的總距離angle_t(m),m＝1,2,...m；

步驟五：建立張量距離比檢測(cè)模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值，設(shè)定閾值η，如果任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值ratio(m)大于閾值η，則確定該中心點(diǎn)的像元為目標(biāo)，否則認(rèn)為該中心點(diǎn)的像元為背景。

具體實(shí)施方式二：本實(shí)施方式與具體實(shí)施方式一不同的是：所述步驟一中對(duì)待檢測(cè)的高光譜圖像進(jìn)行張量塊的選擇和劃分，獲得空x-空y-光譜三階目標(biāo)模板張量塊、空x-空y-光譜三階背景模板張量塊和待檢測(cè)的空x-空y-光譜三階測(cè)試樣本張量塊；具體過(guò)程為：

給定一個(gè)3×3的窗口，將待檢測(cè)的高光譜圖像轉(zhuǎn)換成三階張量的形式，滑動(dòng)取樣窗口，當(dāng)取樣窗口中心點(diǎn)對(duì)應(yīng)真值圖的值為1的時(shí)候確定為空x-空y-光譜三階目標(biāo)模板張量塊t-tensor(i),i＝1,2,...nt；當(dāng)窗口內(nèi)所有點(diǎn)對(duì)應(yīng)真值圖的值均為0的時(shí)候確定為空x-空y-光譜三階背景模板張量塊b-tensor(j),j＝1,2,...nb；滑動(dòng)過(guò)程中一共從張量化的高光譜圖像中獲得m個(gè)待檢測(cè)的、未知類(lèi)別屬性的空x‐空y‐光譜三階測(cè)試樣本張量塊nt、nb和m分別為目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊的個(gè)數(shù)，取值均為正整數(shù)。

其它步驟及參數(shù)與具體實(shí)施方式一相同。

具體實(shí)施方式三：本實(shí)施方式與具體實(shí)施方式一或二不同的是：所述步驟二中設(shè)定目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊每一維投影后維度的大小，利用所有待檢測(cè)的測(cè)試樣本張量塊獲得目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣；具體過(guò)程為：

步驟二一、設(shè)定目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊每一維度投影后維度的大小pn,n＝1,2,3；

步驟二二、采用張量主成分分析算法利用所有待檢測(cè)的測(cè)試樣本張量塊獲得目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣，其步驟如下：

步驟二二一：預(yù)處理，將m個(gè)待檢測(cè)的測(cè)試樣本張量中心化其中為m個(gè)待檢測(cè)的測(cè)試樣本張量的均值；

步驟二二二：初始化，計(jì)算取的前pn個(gè)最大的特征值對(duì)應(yīng)的特征向量按列組成

其中，為中心化后的待檢測(cè)測(cè)試樣本張量塊的n模展開(kāi)矩陣，m＝1,...,m，n＝1，...,n，上標(biāo)t表示轉(zhuǎn)置；是初始化時(shí)，用于求取特征向量來(lái)得到的矩陣，其上標(biāo)*表示初始化的過(guò)程，用于和后面局部最優(yōu)化過(guò)程中的φ⁽ⁿ⁾進(jìn)行區(qū)分；為初始化時(shí)得到的第n個(gè)方向上的投影矩陣，上標(biāo)n表示對(duì)應(yīng)所有張量第n維的投影矩陣，下標(biāo)0表示初始化的過(guò)程，即此時(shí)迭代次數(shù)k＝0；

步驟二二三：局部最優(yōu)化；

【1】：根據(jù)步驟二二二得到的將進(jìn)行投影：

計(jì)算的初始離散度：

其中，為中心化后的待檢測(cè)測(cè)試樣本張量塊經(jīng)過(guò)投影的結(jié)果，為初始化時(shí)得到的n個(gè)方向上的投影矩陣，m＝1,...,m，n＝1,...,n；×n表示在中心化后的待檢測(cè)測(cè)試樣本張量塊的第n維進(jìn)行投影運(yùn)算，n＝1,...,n，表示frobenius范數(shù)的平方，□表示

【2】：

(1)初始化迭代次數(shù)k＝1,取φ⁽ⁿ⁾的前pn個(gè)最大的特征值對(duì)應(yīng)的特征向量按列組成其表達(dá)式為：

其中，為第k-1次迭代得到的第n維對(duì)應(yīng)的投影矩陣，上標(biāo)n表示對(duì)應(yīng)所有張量第n維的投影矩陣，下標(biāo)k‐1表示第k‐1次迭代；xm(n)為待檢測(cè)測(cè)試樣本張量塊的n模展開(kāi)矩陣，其中m＝1,...,m，n＝1，...,n，上標(biāo)t表示轉(zhuǎn)置，為所有xm(n)的均值，為除了外，其他n-1個(gè)投影矩陣的kronecker積，上標(biāo)t表示轉(zhuǎn)置，符號(hào)表示矩陣的kronecker積；φ⁽ⁿ⁾是迭代過(guò)程中，用于求取特征向量來(lái)得到的矩陣，φ⁽ⁿ⁾和投影后的待檢測(cè)測(cè)試樣本張量塊總離散度間的關(guān)系為：其中trace(□)表示矩陣的跡，□為

(2)計(jì)算和

其中，為第k次迭代時(shí)得到的第n維對(duì)應(yīng)的投影矩陣，上標(biāo)n表示對(duì)應(yīng)所有張量第n維的投影矩陣，n＝1,...,n，下標(biāo)k表示第k次迭代；為中心化后的待檢測(cè)測(cè)試樣本張量塊經(jīng)過(guò)當(dāng)前第k次迭代得到的矩陣投影的結(jié)果；×n表示在待檢測(cè)測(cè)試樣本張量的第n維進(jìn)行投影運(yùn)算，為當(dāng)前第k次迭代得到的的總離散度，m＝1,...,m，為的均值，表示frobenius范數(shù)的平方；

(3)重復(fù)執(zhí)行步驟(1)、(2)，直至n從1依次取到n，針對(duì)本方法中張量塊3個(gè)方向上投影矩陣的求解，n為張量的維數(shù)，n為3；

(4)判斷是否成立，如果成立則終止循環(huán)，輸出當(dāng)前第k次迭代得到的投影矩陣作為最終的投影矩陣反之，令k＝k+1，重復(fù)執(zhí)行步驟(1)～(4)，直至迭代次數(shù)k＝kmax；

其中，kmax為預(yù)設(shè)的最大迭代次數(shù)。

其它步驟及參數(shù)與具體實(shí)施方式一或二相同。

具體實(shí)施方式四：本實(shí)施方式與具體實(shí)施方式一至三之一不同的是：所述kmax取100。

其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。

具體實(shí)施方式五：本實(shí)施方式與具體實(shí)施方式一至四之一不同的是：所述步驟三中根據(jù)步驟二獲得的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊三個(gè)維度上的投影矩陣，將步驟一得到的目標(biāo)模板張量塊、背景模板張量塊和待檢測(cè)的測(cè)試樣本張量塊投影到預(yù)設(shè)的張量子空間中；具體的過(guò)程為：

預(yù)設(shè)的張量子空間的大小對(duì)應(yīng)步驟二一中設(shè)定的每一維度投影后維度的大小pn；

其中，pt-tensor(i)為目標(biāo)模板張量塊t-tensor(i)經(jīng)三個(gè)方向投影矩陣投影后得到的張量子空間里的目標(biāo)模板張量塊；pb-tensor(j)為背景模板張量塊b-tensor(j)經(jīng)三個(gè)方向投影矩陣投影后得到的張量子空間里的背景模板張量塊；為待檢測(cè)的測(cè)試樣本張量塊經(jīng)三個(gè)方向投影矩陣投影后得到的張量子空間里的待檢測(cè)的測(cè)試樣本張量塊；和分別為空-x、空-y和光譜維度上實(shí)際用于投影的投影矩陣。

其它步驟及參數(shù)與具體實(shí)施方式一至四之一相同。

具體實(shí)施方式六：本實(shí)施方式與具體實(shí)施方式一至五之一不同的是：所述步驟四中采用tsam距離度量方式，計(jì)算在投影后的張量子空間內(nèi)，每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到背景模板張量塊的總距離angle_b(m),m＝1,2,...m，以及每一個(gè)待檢測(cè)的測(cè)試樣本張量塊到目標(biāo)模板張量塊的總距離angle_t(m),m＝1,2,...m；具體過(guò)程為：

tsam為光譜角映射(spectralanglemapping)方法的張量形式推廣，對(duì)于張量和按照tsam距離度量方式計(jì)算和間距離的公式為：

其中，示張量和在(1,2,3)維的內(nèi)積，示張量在(1,2,3)維同自身的內(nèi)積，示張量在(1,2,3)維同自身的內(nèi)積。

angle_b(m)和angle_t(m)的計(jì)算公式為：

其中，angle_b(m)為在投影后的張量子空間內(nèi)，任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊到nb個(gè)背景模板張量塊pb-tensor(j)的總距離；angle_t(m)為在投影后的張量子空間內(nèi)，任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊到nt個(gè)目標(biāo)模板張量塊pt-tensor(i)的總距離；表示和pb-tensor(j)兩個(gè)張量在(1,2,3)維的內(nèi)積，表示同自身兩個(gè)張量在(1,2,3)維的內(nèi)積，<pb-tensor(j),pb-tensor(j)>[1,2,3]表示pb-tensor(j)同自身兩個(gè)張量在(1,2,3)維的內(nèi)積，表示和pt-tensor(i)兩個(gè)張量在(1,2,3)維的內(nèi)積，<pt-tensor(i),pt-tensor(i)>[1,2,3]表示pt-tensor(i)同自身兩個(gè)張量在(1,2,3)維的內(nèi)積。

其它步驟及參數(shù)與具體實(shí)施方式一至五之一相同。

具體實(shí)施方式七：本實(shí)施方式與具體實(shí)施方式一至六之一不同的是：所述步驟五中建立張量距離比檢測(cè)模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值，設(shè)定閾值η，如果任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值ratio(m)大于閾值η，則確定該中心點(diǎn)的像元為目標(biāo)，否則認(rèn)為該中心點(diǎn)的像元為背景；具體過(guò)程為：

建立張量距離比檢測(cè)模型，將步驟四中得到的距離angle_b(m)和距離angle_t(m)的比值ratio(m)作為每個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值，用于衡量每個(gè)待檢測(cè)的測(cè)試樣本張量塊的中心點(diǎn)的類(lèi)別屬性，通過(guò)與設(shè)定的閾值η相比來(lái)得到最終的檢測(cè)結(jié)果，實(shí)施的具體過(guò)程為：

設(shè)定閾值η，如果任意一個(gè)待檢測(cè)的測(cè)試樣本張量塊中心點(diǎn)對(duì)應(yīng)的灰度值ratio(m)大于閾值η，則確定該中心點(diǎn)的像元為目標(biāo)，否則認(rèn)為該中心點(diǎn)的像元為背景。

其它步驟及參數(shù)與具體實(shí)施方式一至六之一相同。

采用以下實(shí)施例驗(yàn)證本發(fā)明的有益效果：

實(shí)施例一：

本例實(shí)施一種基于張量主成分分析降維的高光譜圖像目標(biāo)檢測(cè)方法具體是按照以下步驟制備的，同時(shí)采用高光譜圖像匹配子空間檢測(cè)方法來(lái)作為對(duì)比實(shí)驗(yàn)：

本文實(shí)驗(yàn)所用的數(shù)據(jù)是aviris傳感器獲得的美國(guó)圣地亞哥地區(qū)的高光譜圖像的兩個(gè)截取部分，其大小為分別為100×100和150×150，數(shù)據(jù)經(jīng)過(guò)大氣、幾何校正等預(yù)處理，并去除了低信噪比和水汽吸收波段，保留了126個(gè)光譜波段，波長(zhǎng)范圍為0.4～1.8μm，地面分辨率3.5m，灰度范圍為0～10000。為了驗(yàn)證本發(fā)明方法的有效性，利用高光譜圖像匹配子空間檢測(cè)作為對(duì)比實(shí)驗(yàn)。圖2a為第1幅局部高光譜圖像的第5波段圖像，圖2b為其對(duì)應(yīng)的真值圖；圖3a為第2幅局部高光譜圖像的第5波段圖像，圖3b為其對(duì)應(yīng)的真值圖；圖4a為第1幅局部高光譜圖像匹配子空間檢測(cè)結(jié)果，圖4b為第1幅局部高光譜圖像基于張量主成分分析降維的檢測(cè)結(jié)果；圖4c為兩種檢測(cè)方法得到的檢測(cè)結(jié)果對(duì)應(yīng)的roc曲線；從圖4c可得出虛警率為0.1時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.72，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.98；虛警率為0.2時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.82，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.99；圖5a為第2幅局部高光譜圖像匹配子空間檢測(cè)結(jié)果，圖5b為第2幅局部高光譜圖像基于張量主成分分析降維的檢測(cè)結(jié)果；圖5c為兩種檢測(cè)方法得到的檢測(cè)結(jié)果對(duì)應(yīng)的roc曲線；從圖5c可得出虛警率為0.2時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.56，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.62；虛警率為0.4時(shí)，現(xiàn)有匹配子空間檢測(cè)方法發(fā)現(xiàn)概率為0.62，本發(fā)明張量主成分分析降維檢測(cè)方法發(fā)現(xiàn)概率為0.95；從檢測(cè)結(jié)果可以及roc曲線可以看出，本發(fā)明相比于匹配子空間目標(biāo)檢測(cè)，能夠在虛警概率相同的情況下有更高的檢測(cè)概率，證明了本發(fā)明方法的有效性。

本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。