[发明专利]基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法

摘要

本发明公开一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，首先根据已知纯净地物像元的光谱反射率向量建立感兴趣地物的光谱反射率标准混合向量；然后，计算感兴趣地物的光谱反射率标准混合向量与待处理高光谱影像中每个像元的光谱向量的相关系数，得到像元相关系数偏差矩阵；最后，以像元相关系数偏差矩阵构造C‑V活动轮廓模型，进而利用有限差分法求解该模型来实现感兴趣区域像元的提取。实施例的测试结果表明，本发明能够用更少的迭代次数取得明显优于传统C‑V模型的提取结果。

主权项

1.一种基于活动轮廓模型的高光谱影像感兴趣区域自动提取方法，其特征在于按如下步骤进行：步骤1. 输入一幅大小为像素的高光谱影像，建立光谱向量矩阵：其中，表示空间位置处的像元的光谱向量，每个向量的分量数目等于高光谱影像的波段数；步骤2. 建立感兴趣地物的光谱反射率矩阵：其中，每一行代表一种感兴趣的具体地物在不同波段下的反射率向量，表示波段数，根据高光谱图像的数据类型或实验中期望建立的向量维数来确定，表示感兴趣的代表性地物数量；步骤3. 根据公式，采用线性光谱混合模型构造混合像元的标准参考向量：                          其中，为中各端元向量所占的比例，且，为误差项，为矩阵的第个行向量；步骤4. 根据公式计算输入图像的每个像元光谱向量与混合像元标准向量的相关系数，得到偏差矩阵：             其中，为像元的光谱反射率向量与混合像元的标准反射率向量之间的相关系数，，，表示像元在第个波段的光谱反射率；步骤5. 对感兴趣区域的轮廓水平集进行初始化，再以像元相关系数偏差矩阵构造C‑V模型能量函数：  其中，将图像分为的内部与外部两个区域，其区域平均灰度分别表示为与，表示闭合曲线的弧长，表示曲线包围的面积，、、、分别为能量权重系数，为偏差矩阵中位于第行、第列的元素；步骤6. 用Euler‑Lagrange方法计算使公式取得最小值时对应的轮廓水平集，其形式由公式所示的梯度下降流给出：  其中，为散度算子，的定义为： ；             步骤7：利用有限差分法迭代求解公式，所得的水平集函数所包围的区域即为提取出的感兴趣区域。