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