System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術屬于高光譜對地遙感觀測、遮掩目標勘測與評估、目標特性分析,特別涉及該領域中的一種采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法。
技術介紹
1、高光譜遙感將光譜技術和成像技術有機地結合起來,不僅可以探測目標的二維幾何空間信息,還可以對目標的一維光譜信息進行探測,它使原本通過多光譜遙感不能探測到的地物得以探測。
2、高光譜遙感較多光譜遙感具有更好的光譜分辨率,能夠在可見至近紅外區域內獲得連續波段的圖像,圖像中每個像元都可以形成一條具有特征信息的平滑光譜曲線。通過高光譜圖像不僅可以獲得帶有目標空間及幾何關系信息的圖像,還可以獲得目標的光譜特征,這一特性非常適合用于探測地面遮掩目標,及其偽裝效果評價。
3、利用高光譜遙感圖像的遮掩目標檢測技術已逐漸成為戰場偵察與勘測的一種重要手段,而基于光譜維的目標檢測技術也越來越受到人們的重視。目前,高光譜成像技術已成功的應用于遙感和航空航天軍事偵察領域,高光譜成像儀能夠在連續光譜段上對同一目標同時成像,可直接反映出被觀測物體的光譜特征,甚至物體表面物質的成份。研究表明,高光譜數據可得到空間探測信息與地面實際目標之間存在精確的相互關系。通過探測出的光譜特征曲線,可計算得到每一個像素的物質端元光譜及其豐度估計,從而區分自然背景與軍事目標的差別,并判斷出目標的性質和種類。
技術實現思路
1、本專利技術所要解決的技術問題就是克服現有技術中通過目標與背景分布差異進行異常目標檢測的算法中虛警率高,且在監督深度學習方法中人工標
2、本專利技術采用如下技術方案:
3、一種采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其改進之處在于,包括如下步驟:
4、步驟1,建立內外窗檢測機制:
5、步驟11,初始化內外窗尺寸大小,通過掩膜求反內窗尺寸區域的方式,刪除可能存在的異常目標像素,獲取外窗尺寸大小的背景區域數據立方體;
6、步驟12,獲取外窗尺寸大小的環境區域數據立方體;
7、步驟13,結合深度學習中邊緣區域padding?0的方式,完成邊緣區域的數據填充,設置步長,以外窗尺寸大小的檢測框進行滑動,直至搜索完整幅圖像,建立無監督內外窗檢測機制;
8、步驟2,通過vca無監督算法分別得到內窗背景區域和外窗外場區域的端元純凈光譜字典:
9、步驟21,通過端元提取算法,設置端元提取數量,提取掩膜求反后的背景區域的純凈光譜字典e背景;
10、步驟22,通過端元提取算法,設置端元提取數量,提取環境區域的純凈光譜字典e環境;
11、步驟3,通過非負最小二乘法nnls,基于高光譜數據和純凈端元光譜矩陣求取各像素的豐度估計矩陣:
12、步驟31,通過光譜解混算法,根據掩膜后的背景區域和對應純凈光譜矩陣,計算得到該滑動窗區域中各像素針對背景純凈光譜矩陣的豐度估計矩陣a背景;
13、步驟32,通過光譜解混算法,根據環境區域和對應純凈光譜矩陣,計算得到該滑動窗區域中各像素針對環境純凈光譜矩陣的豐度估計矩陣a環境;
14、步驟4,求取各像素的端元光譜字典表達:
15、步驟41,根據獲取的背景區域豐度估計矩陣a背景和對應純凈光譜字典e背景,計算得到該滑動窗區域中各像素的端元光譜字典表達d背景重組;
16、步驟42,根據獲取的環境區域豐度估計矩陣a環境和對應純凈光譜字典e環境,計算得到該滑動窗區域中各像素的端元光譜字典表達d環境重組;
17、步驟5,構設檢測器進行異常目標檢測:
18、步驟51,將背景和環境區域中各像素對應的端元光譜字典表達和豐度估計矩陣相乘,得到該像素的端元向量;
19、d背景重組i,j=e背景*a背景i,j
20、h環境重組i,j=e環境*a環境i,j
21、上式中,i表示第i行,j表示第j列;
22、步驟52,將原始預處理高光譜數據中對應像素的反射率與背景和環境區域端元向量求差,獲取表達噪聲差異:
23、
24、上式中,xi,j表示原始數據中第i行、第j列元素的特征表達;β表示調整因子;
25、步驟6,設定檢測閾值,得到檢測和分析結果:
26、步驟61,對全圖進行無監督異常目標檢測,得到值域為0到1的檢測結果,設置分割閾值,得到目標與背景的分割二值圖像;
27、步驟62,通過不同的地物分割閾值,得到偽裝等級與地物分割閾值的對應關系,進而得到異常遮掩目標的偽裝等級分析結果。
28、進一步的,在步驟11中,初始化內外窗尺寸大小為奇數。
29、進一步的,在步驟21和22中,端元提取算法包括vca頂點成分分析算法。
30、本專利技術的有益效果是:
31、本專利技術所公開的方法,通過設計內外窗檢測機制,充分挖掘內窗背景區域和外窗環境區域的光譜特性,并通過設計的目標檢測器對各像素進行字典表達,實現準確異常目標檢測的目的,解決了傳統通過目標與背景分布差異進行異常目標檢測的算法中虛警率高的缺點及有監督深度學習方法中人工標注純凈光譜訓練集數據不準確、人工成本較高等缺點,較傳統方法而言,結果更加準確、科學。
本文檔來自技高網...【技術保護點】
1.一種采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其特征在于,包括如下步驟:
2.根據權利要求1所述采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其特征在于:在步驟11中,初始化內外窗尺寸大小為奇數。
3.根據權利要求1所述采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其特征在于:在步驟21和22中,端元提取算法包括VCA頂點成分分析算法。
【技術特征摘要】
1.一種采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其特征在于,包括如下步驟:
2.根據權利要求1所述采用內外窗光譜解混機制的遮掩目標檢測和效果評估方法,其特征在于:在步驟1...
【專利技術屬性】
技術研發人員:張晗,李甫,焦昶哲,李海龍,徐濤,
申請(專利權)人:中國電波傳播研究所中國電子科技集團公司第二十二研究所,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。