[发明专利]基于形态学分析的环境监测高光谱数据谱段选择方法

说明书

本发明涉及基于形态学分析的环境监测高光谱数据谱段选择方法，与现有技术相比解决了高光谱数据包含成像质量不佳的谱段、谱段冗余度较高并且运算效率低的缺陷。本发明包括以下步骤：环境监测高光谱数据的获取；基于采样聚类的类别信息获取；计算光谱差异；形态极值点的提取；环境监测高光谱谱段的选择。本发明通过以非监督的方式获取像元的先验类别信息，使得所选择出来的谱段能够对图像中的类别具有很高的判别能力，能够有效选择出针对不同类别的目标而言信息差异较大的那些谱段。

技术领域

本发明涉及图像数据处理技术领域，具体来说是基于形态学分析的环境监测高光谱数据谱段选择方法。

背景技术

高光谱图像由于其良好的光谱分辨率而备受学术界和工业界的关注，得益于高光谱图像在广阔的波长范围内所提供的丰富信息，其在很多实际应用中取得了新的进展，例如环境监测、生物学分析、医学成像、产品质量检测等。然而，高光谱图像中所包含数据量的增加，也在信息存储、显示、传输和处理等方面给人们带来了很多不便和负担。此外，高光谱图像中的光谱信息往往有很高的冗余性，具有一些我们所不期望的统计和几何特性。这些不足主要是因为高光谱图像是由数以百(千)计的谱段来表示，而相邻谱段间往往具有高度相关性。

在某些情况下，成像谱段数的增加通常有益于提供更丰富的信息，但这并不意味着所有的谱段对于实际应用而言都是有效的，很可能仅有少数几个谱段在起着关键的作用。特别是在环境监测领域中，监测系统往往需要应对幅员辽阔的地面区域，处理海量的高光谱图像。对于信息冗余度高、数据存储空间需求大、处理时间长的高光谱信息，监测系统难以有效利用。

为此，人们希望有一种特征选择技术来自动地选择出少数具有判别价值和物理意义的显著谱段来代表整幅图像而不失效力。这种技术被称为高光谱谱段选择(hyperspectral band selection)，是高光谱图像处理与分析领域中极具吸引力的研究主题，也是高光谱成像技术走向实用化的核心环节之一。

现有技术中，针对于环境监测高光谱谱段选择技术可以分为两个大类：有监督的选择和非监督的选择。有监督的选择方法利用环境监测高光谱图像内各像元的先验类别信息，在谱段选择过程中以各谱段或谱段组合为基本单位，评估其对于监测图像内各类目标的分辨能力。非监督的方法不依赖于像元的先验类别信息，其直接依据谱段本身的光学、结构特性以及谱段间的相关性，来选取少量成像质量较高、互相之间冗余度较低的谱段。有监督的谱段选择由于能够利用像元的先验类别信息，使得所选择出来的谱段能够对图像中的类别具有很高的判别能力，也即能够有效选择出针对不同类别的目标而言信息差异较大的那些谱段。这种方法得出的谱段对于相应的应用而言，其效果往往优于非监督的方法。

然而，像元的先验类别信息并不总是能够预先获取的，由于环境监测高光谱数据量的异常庞大，不进行像元的先验类别信息提取，势必会造成极其庞大的运算量，以至于无法应用于实际的环境监测使用。因此，如何研究出更适应实际使用需求的高光谱数据谱段选择方法已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中高光谱数据包含成像质量不佳的谱段、谱段冗余度较高并且运算效率低的缺陷，提供一种基于形态学分析的环境监测高光谱数据谱段选择方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于形态学分析的环境监测高光谱数据谱段选择方法，包括以下步骤：

11)环境监测高光谱数据的获取，通过机载或星载高光谱成像仪获取地物的环境监测精细光谱信息；

12)基于采样聚类的类别信息获取，对环境监测精细光谱信息进行采样聚类，获取到包括K个类簇中心的聚类数据集；

13)计算光谱差异，基于类簇中心生成光谱描述曲线，针对光谱描述曲线进行差异计算，生成K·(K-1)/2光谱差值曲线；