[发明专利]一种高光谱遥感影像目标探测方法

权利要求书

1.一种高光谱遥感影像目标探测方法，其特征在于：将高光谱遥感影像X中相邻K个波段分割到不同组中，矩阵X大小为N×B，得到K组不同的数据集X^k,k＝1,2,...,K，每组数据矩阵大小为N×B^k，对应K个不同的探测任务，N为影像像素数，B为影像波段数，先验目标训练样本对应的目标字典也被分离成K组子字典对K组子数据集X^k进行如下操作：

步骤1：获取K组子数据集X^k中相同空间位置的像素i的光谱数据；

步骤2：基于像素i，获取像素i对应的K组背景训练样本，构建K组背景子字典

步骤3：基于像素i的K组目标子字典和K组背景子字典构建K组联合字典

步骤4：对像素i构建K组稀疏表达模型；

其中，为随机噪声，和分别是背景子字典和目标子字典的对应系数，w^k为和的联合系数；

该K组稀疏表达模型组合形成多任务稀疏表达模型：

其中W为w^k列叠加结果，W的不同列对应不同的任务；||W||_2,1表示先对矩阵行作二范求解，再做一范求解，||W||_2,1不仅将不同的任务联系起来，同时鼓励不同列之间存在稀疏共性；ρ为正则化系数，用于平衡数据保真项和正则化；

步骤5：求解多任务稀疏表达模型中的稀疏系数；

步骤6：利用K组背景子字典和目标子字典及其对应的系数，对K组子数据集中的像素i的光谱分别进行恢复，重建残差累加结果最小对应的属性即为像素i的类别；

D(x)＝r^b-r^t

其中，和为的子系数，对应背景子字典和目标子字典的估计系数，r^b和r^t为K组子数据集中像素i对应背景子字典和目标子字典的重建残差累加结果，D(x)为像素i对应的探测统计值；

步骤7：对影像中其他像素重复执行上述所有步骤，直至遍历结束；

步骤8：判断计算出的所有像素探测统计值是否小于阈值，如果是，该像素即为目标，反之为背景。

2.根据权利要求1所述的高光谱遥感影像目标探测方法，其特征在于：步骤2中所述背景子字典的构建，采用局部开回形窗口的方式，选择待探测像素周围的像素作为背景训练样本。

3.根据权利要求1所述的高光谱遥感影像目标探测方法，其特征在于：步骤5中所述求解多任务稀疏表达模型中的稀疏系数，采用加速近端梯度法，包含更新矩阵序列和集结矩阵序列t为迭代次数，为中第k个任务对应的子矩阵的第i列，为中第k个任务对应的子矩阵的第i列；

当前集结矩阵更新矩阵为

其中，η^t＝1/2^t为迭代步长,[·]₊＝max(·,0)；集结矩阵通过线性组合和

其中，α^t为迭代系数。