基于3-d小波變換和稀疏張量的高光譜圖像特征抽取方法
【技術領域】
[0001] 本發(fā)明屬于高光譜圖像數(shù)據(jù)處理與應用領域，尤其涉及一種基于3-D小波變換和 稀疏張量的高光譜圖像特征抽取方法。
【背景技術】
[0002] 高光譜圖像將目標的空間信息和光譜信息融為一體，對目標空間成像的同時，對 每個空間像元采集幾十乃至幾百連續(xù)的波段的光譜數(shù)據(jù)。高光譜圖像在識別與精確分類方 面具有突出的優(yōu)勢，已被廣泛成功應用于醫(yī)學診斷，農(nóng)業(yè)檢測，礦物探測，環(huán)境監(jiān)測等領域 中。
[0003] 高光譜數(shù)據(jù)存在數(shù)據(jù)量大，冗余度高和維數(shù)災難等問題，要實現(xiàn)高光譜圖像分類 問題，首先需要進行判別特征的提取?，F(xiàn)有的特征提取方法，如DWT(DiscreteWavelet Transform)、EMPs(Extendedmorphologicalprofiles)、EAPs(Extendedattribute profiles)等方法，對高光譜圖像的所有波段或者幾個主成分進行特征變換，然后把得到的 特征整合成一個長向量，不僅造成特征向量維度過高，還丟失了大量的結(jié)構(gòu)信息。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了解決上述問題，提供一種基于3-D小波變換和稀疏張量的 高光譜圖象特征抽取方法，本發(fā)明能有效提高整個分類系統(tǒng)的分類精度。
[0005] 為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案：
[0006] 基于3-D小波變換和稀疏張量判別分析的高光譜特征抽取方法，包括以下步驟：
[0007] 首先，采用數(shù)據(jù)歸一化方法平衡數(shù)據(jù)本身對判別特征抽取的影響，然后，采用3-D 離散小波變換從歸一化后的數(shù)據(jù)中抽取光譜域和空間域特征；再次，通過將小波變換特征 表示成二階特征張量形式，保持了特征之間良好的結(jié)構(gòu)相關性，最后，通過稀疏張量判別方 法實現(xiàn)特征稀疏化，并將稀疏后的特征重新表示成以為向量形式。
[0008] 基于3-D小波變換和稀疏張量判別分析的高光譜特征抽取方法，包括以下步驟： [0009]步驟⑴：對給定的高光譜圖像數(shù)據(jù)立方體C進行數(shù)據(jù)歸一化處理，得到歸一化后 的高光譜圖像數(shù)據(jù)立方體Cn;
[0010] 步驟⑵：對步驟⑴歸一化后的高光譜圖像數(shù)據(jù)立方體Cn進行3-D離散小波變 換，得到不同尺度下的小波變換系數(shù)立方體Ck (k= 1，2，... 15);
[0011] 步驟⑶：張量表示。基于步驟⑵中所有的小波變換系數(shù)立方體Ck(k =1，2,... 15)，對任意位置（i，j)的像元，分別從Ck(k= 1，2,... 15)中抽取對應 位置的小波變換系數(shù)向量，k= 1，2，...，15,然后在以（i，j)為中 心的3X3鄰域內(nèi)對Ck(i，j，?）取均值，為位置（i，j)的像元構(gòu)建二階特征張量 7: C2eITxl5，P是波段數(shù)；
[0012] 步驟（4):采用稀疏張量判別分析法，對步驟（3)中的二階特征張量Tu進行稀疏 化，并將二階特征張量及,.投影到低維特征張量，L1SP，L2S15 ;
[0013] 步驟（5):將步驟⑷的低維特征向量G 重新表示成向量形式。
[0014] 所述步驟（1)中數(shù)據(jù)歸一化的方法為：
[0015] 給定高光譜圖像數(shù)據(jù)立方體CeRXxyxP，X是高光譜圖像的寬度、Y表示高光譜圖 像高度，P是高光譜圖像的波段數(shù)，表示空間坐標為（i，j)的樣本（光譜向 量），歸一化方法如下：
【主權(quán)項】
1. 基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其特征是，包括W下步 驟： 步驟（1);采用數(shù)據(jù)歸一化方法平衡數(shù)據(jù)本身對判別特征抽取的影響； 步驟（2);采用3-D離散小波變換從歸一化后的數(shù)據(jù)中抽取光譜域和空間域特征； 步驟（3);通過將小波變換特征表示成二階特征張量形式，保持了特征之間良好的結(jié) 構(gòu)相關性； 步驟（4);通過稀疏張量判別方法實現(xiàn)特征稀疏化； 步驟巧）；將稀疏后的特征重新表示成W為向量形式。
2. 如權(quán)利要求1所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其 特征是， 所述步驟（1)的步驟為；對給定的高光譜圖像數(shù)據(jù)立方體C進行數(shù)據(jù)歸一化處理，得到 歸一化后的高光譜圖像數(shù)據(jù)立方體C。。
3. 如權(quán)利要求1所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其 特征是， 所述步驟（2)的步驟為：對歸一化后的高光譜圖像數(shù)據(jù)立方體C。進行3-D離散小波變 換，得到不同尺度下的小波變換系數(shù)立方體Ck，k= 1，2,. . .，15。
4. 如權(quán)利要求1所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其 特征是， 所述步驟（3)的步驟為；張量表示；基于所有的小波變換系數(shù)立方體Ck，對任意位 置（ij)的像元，分別從Ck中抽取對應位置的小波變換系數(shù)向量Q化，k= 1，2，...，15,然后在W(i，j)為中屯、的3X3鄰域內(nèi)對Ck(i，j，）取均值，為位置（i，j)的像 元構(gòu)建二階特征張量'(.，=[Ci(/，./'，?)，a化./，?)，…，Ci;(t./>)]erws，P是波段數(shù)。
5. 如權(quán)利要求1所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其 特征是， 所述步驟（4)的步驟為；采用稀疏張量判別分析法，對二階特征張量Tu進行稀疏化， 并將二階特征張量馬G膠投影到低維特征張量2T; ，Li《P，L2《15。
6. 如權(quán)利要求1或2所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方 法，其特征是，所述步驟（1)中數(shù)據(jù)歸一化的方法為： 給定高光譜圖像數(shù)據(jù)立方體X是高光譜圖像的寬度、Y表示高光譜圖像高 度，P是高光譜圖像的波段數(shù)，C化表示空間坐標為（i，j)的樣本，歸一化方法如 下：
c(i，j，k)是樣本C(i，j, ?)的第k個特征，Uk是所有樣本第k個特征的均值，Ca2是 所有樣本第k個特征的方差，C(i，j，k)是歸一化后的新特征值，其中i= 1，2，...，X表示 樣本在圖像中水平方向的位置，j= 1，2, ...，Y表示樣本在圖像中垂直方向上的位置，k= 1，2，...，？表示第1^個波段。
7. 如權(quán)利要求1或2所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方 法，其特征是，所述步驟（2)的3-D離散小波變換為： 步驟（2-1);將任意樣本對應的光譜向量視為離散信號，離散信號的快速小波變換，公 式如下：
其中，Cj.,k是尺度系數(shù)Cj斯第k個系數(shù)，dik是小波系數(shù)dj斯第k個系數(shù)，j表示小波 變換的階數(shù)，h。（ ?）為低通濾波器，hi( ?)為高通濾波器，m是平移因子，kG[1，1]，1是cj 的長度； 步驟（2-2);選擇化ar二進小波作為快速小波變換的母波，則步驟（2-1)中的高通濾 波器為
步驟（2-3);設計兩層S階小波變換，令初始尺度系數(shù)cu=C(i，j，?），（i= 1，. ..，X j= 1，...，Y)，依次對步驟（1)歸一化后的高光譜圖像數(shù)據(jù)立方體C。中的每個像素點對應 的光譜向量進行離散小波變換，得到15個小波變換系數(shù)立方體Ck。
8. 如權(quán)利要求1或2所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方 法，其特征是，所述步驟（3)張量表示的方法為： 步驟（3-1);基于步驟（2)中小波變換系數(shù)立方體Ck化=1，. ..，15)，位置（i，j)像 素點對應15個同樣長度的小波變換系數(shù)向量Ci(i，j,OiCsQj，-)，...，Ci5(i，j，-)，W (i，j)像素點為中屯、在此像素點的3X3鄰域內(nèi)取平均：
(3) a(/，./，'；U=U.，15是 3X3 鄰域的均值，（i，j)，i= j=l，...，Y，a表示 3X3 鄰 域水平方向坐標值，b是3X3鄰域垂直方向坐標值，Ck(a,b，?）是對應3X3模板中位置 (a,b)的小波變換系數(shù)向量； 步驟（3-2);為位置為（i，j)的像素點構(gòu)建一個二階特征張量與，￡皿W5: Tu= [Cl (i，j，-)，C2(i，j，?），...，Ci5(i，j，?）] (4)〇
9.如權(quán)利要求1或2所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方 法，其特征是，所述步驟（4)稀疏張量判別分析方法為： 步驟（4-1);基于步驟（3)中構(gòu)建的二階特征張量，隨機抽取訓練樣本，得到 {義'e肢ALV=l，2，...，w}，x康示一個訓練樣本，為二階特征張量，N是樣本當數(shù)； 步驟（4_2);計算特征張量{義e膠&"，/ = 1，2，...，~}的111〇(1日-1:展開矩陣義^')=《。：t= 1時，mode-1展開矩陣； 義尸，=式。 (5) t= 2時，mode-2展開矩陣； 義;:，=《(2)= 乂;1"' (6) 義，…中上標表示張量X;的mode-t展開，《(')Girxi5是張量X;的mode-t展開矩陣，t=1、2 ;義f)e膠A";是張量Xi的mode-1 展開矩陣，卻>(x，y)二義估y),X= 1，. . .，P,y= 1，. . .，I5 ;釋>e肢Lw是張量Xi的mode-2展開矩陣，等于X,"'的轉(zhuǎn)置； 步驟（4-3);分別計算所有樣本的特征張量的mode-t類內(nèi)和類間散列矩陣；
義I:表示所有樣本的特征張量mode-t類內(nèi)散列矩陣，巧i表示所有樣本的特征張量 mode-t類間散列矩陣，支f隸示第j類內(nèi)樣本的特征張量mode-t展開矩陣的均值，支W表 示所有樣本的特征張量mode-t展開矩陣的均值，參數(shù)t= 1、2,N。表示類別總數(shù)，表示 第j類中的樣本數(shù)； 步驟（4-4);初始化稀疏映射矩陣￡/1￡化^'，/1<戶，?7;￡膠15>< 4，12《15為任意列正交矩 陣，按式做迭代優(yōu)化，得到最優(yōu)的稀疏映射矩陣咕^ = 1，2:
個預設的常量，Utj.是Ut的第j列，II?II和I?I表示L2范數(shù)和L1范數(shù)，at是預設的系 數(shù)，0。是Li范數(shù)的系數(shù)； 步驟（4-5);張量特征的稀疏化映射，映射關系如下： K,=Ti八 (9) Tu是步驟（3)中構(gòu)建的二階特征張量，= 12為步驟（4-4)優(yōu)化后的稀疏映射矩 陣，田是稀疏投影的結(jié)果，X。表示張量與矩陣的mode-t內(nèi)積，t= 1，2。
10.如權(quán)利要求9所述的基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，其 特征是， 所述步驟（4-5)中mode-t內(nèi)積的方法為： 任意二階特征張量？;jG心X1SW及步驟（4-4)的稀疏映射矩陣 Li《P，膠。噸，L2《I5,定義中間張量公E股/神， 張量mode-l內(nèi)積；
【專利摘要】本發(fā)明公開了基于3-D小波變換和稀疏張量的高光譜圖像特征抽取方法，包括以下步驟：步驟(1)：采用數(shù)據(jù)歸一化方法平衡數(shù)據(jù)本身對判別特征抽取的影響；步驟(2)：采用3-D離散小波變換從歸一化后的數(shù)據(jù)中抽取光譜域和空間域特征；步驟(3)：通過將小波變換特征表示成二階特征張量形式，保持了特征之間良好的結(jié)構(gòu)相關性；步驟(4)：通過稀疏張量判別方法實現(xiàn)特征稀疏化；步驟(5)：將稀疏后的特征重新表示成以為向量形式。本發(fā)明能有效提高整個分類系統(tǒng)的分類精度。
【IPC分類】G06K9-46
【公開號】CN104794477
【申請?zhí)枴緾N201510206549
【發(fā)明人】劉治, 唐波, 肖曉燕, 聶明鈺, 李曉梅, 鄭成云
【申請人】山東大學
【公開日】2015年7月22日
【申請日】2015年4月27日