[发明专利]一种扫描光谱智能选择方法及图像分析方法

权利要求书

1.一种扫描光谱智能选择方法，其特征在于，包括：

利用多光谱扫描仪采集图像，并对每一种光谱图像进行尺寸标准化和去噪处理；

通过特征一致性分析，在多个光谱图像中选择目标信息保留相对较完整的光谱图像。

2.根据权利要求1所述的扫描光谱智能选择方法，其特征在于，光谱图像选择包括：图像块分割，将每一个光谱图像分成很多图像子块；图像块特征提取，对上述每一个图像块提取图像特征；特征向量降维，采用算法对上述图像块特征进行空间投射和特征降维；光谱图像的信息完整性分析，将多光谱图像分为信息完整和信息缺失的两类；光谱完整性的判定与标注，根据光谱完整性，对每一个图像子块进行标注。

3.根据权利要求2所述的扫描光谱智能选择方法，其特征在于，图像块分割，采用窗口滑动方法，设窗口大小为(w，h)，滑动步长为T，则对于一个分辨为(I_x，I_y)的图像，得到个不同子块；还采用大小的窗口实现多尺度分割。

4.根据权利要求2所述的扫描光谱智能选择方法，其特征在于，基于Gabor小波提取图像的纹理特征，图像特征为Gabor小波核函数和原始图像的卷积。

5.根据权利要求2所述的扫描光谱智能选择方法，其特征在于，特征向量的降维包括：将原始特征向量排成n行m列的矩阵X_n*m，每一行是一个图像块的特征向量；将X_n*m的每一行进行零均值化，即减去这一行的均值；求X_n*m的协方差矩阵C_n*n：C_n*n＝(c_i，j，c_i，j＝cov(X_i，X_j))，求出协方差矩阵的特征值及对应的特征向量；将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P，作为降维数据。

6.根据权利要求2所述的扫描光谱智能选择方法，其特征在于，光谱图像的信息完整性分析，通过特征一致性分析方法，采用K-means聚类方法对不同光谱的图像块进行聚类。

7.根据权利要求2所述的扫描光谱智能选择方法，其特征在于，光谱完整性的判定依据为：设某一个图像块中，信息完整的光谱和信息缺失的光谱数量分别为n₁和n₂，当n₁＞＞n₂时，将n₁的一类判定为信息完整区域，n₂的一类判定为无效区域，当n₁≈n₂时，将该区域判定为无效区域；光谱完整性标注：采用局部标注的方式，对每一个图像子块进行标注，标注方式为：0表示无效区域，1表示信息完整的区域。则对于某一个光谱图像M_i，它的信息完整性标注为：IA_i，r，n＝{k₁，k₂，k₃，....k_n，}，k_i＝0 or1，其中i表示光谱的序列，r表示图像子块的分辨率，n表示图像子块的数量。

8.一种图像分析方法，其特征在于，基于根据权利要求1至7中任一所述的方法获得的信息完整的光谱图像进行。

9.根据权利要求8所述的扫描光谱智能选择方法，其特征在于，图像分析方法包括：图像子块的比较，逐个对比待测样本和标准样本之间的图像子块；融合判决，鉴定结果为所有的光谱图像结果的融合，取光谱的置信因子为：η_i，r＝D_i，r，n/N，按照如下步骤进行综合判断：统计不同光谱相同分辨率的比对结果，最终得分记为：其中，r表示分辨率，η_i，r表示光谱M_i在分辨率为r时的置信因子，d_i，r为光谱M_i在分辨率为r时与标准图像的马氏距离；设置阈值为T_th，当Score＞T_th，判定为相同，当Score＜T_th，判定为不同。