一種高光譜溢油信息提取方法
【專利摘要】本發(fā)明公開了一種高光譜溢油信息提取方法，包括以下步驟：對原始遙感圖像進行預處理；對預處理圖像進行最小噪聲分離變換，得到MNF特征值圖像；建立各種地物目標感興趣區(qū)，得到感興趣區(qū)分布圖；分析各地物目標MNF特征值曲線的差異，確定區(qū)分各地物目標的最佳波段或波段組合方式，確定區(qū)分各地物目標的閾值；對MNF特征值圖像建立分類決策樹進行分類，獲得溢油信息。本發(fā)明對預處理后遙感圖像進行了MNF變換，對原始數(shù)據(jù)量進行了壓縮，減少了圖像的波段數(shù)，從而降低了數(shù)據(jù)維度。并且通過MNF變換剔除了噪聲信號的影響，削弱了噪聲影響。本發(fā)明不僅減小了數(shù)據(jù)處理量，提高數(shù)據(jù)處理速度，而且能夠識別類別間的微小差異，提高識別精度。
【專利說明】一種高光譜溢油信息提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及海洋環(huán)境監(jiān)測【技術(shù)領(lǐng)域】，尤其涉及一種高光譜溢油信息提取方法。
【背景技術(shù)】
[0002]高光譜遙感的出現(xiàn)是遙感界的一場技術(shù)革命，它起源于70年代初期的多光譜遙感技術(shù)，它使得本來在寬波段遙感中不可探測的物質(zhì)，在高光譜遙感中能被探測。
[0003]在遙感監(jiān)測油膜領(lǐng)域，多光譜傳感器，其光譜分辨率低、波段數(shù)目少，常常會出現(xiàn)同物異譜、同譜異物的現(xiàn)象，影響了油膜目標監(jiān)測和識別。另一方面，海洋環(huán)境復雜，會對油膜的光譜特征造成影響，降低油膜識別精度。目前，對油膜波譜響應(yīng)特征的認識主要基于海上試驗獲取的光譜數(shù)據(jù)(為點數(shù)據(jù))，利用地物光譜儀獲得油膜在可見光近紅外波段的光譜特征，分析油膜的光譜特征變化及油水反差規(guī)律?；邳c的光譜數(shù)據(jù)有助于認識油種的光譜特征，但無法提供油膜分布信息，也無法及時獲取油種的信息，影響海上油膜應(yīng)急水平的實質(zhì)性提聞。
[0004]高光譜成像數(shù)據(jù)不僅具有傳統(tǒng)傳感器的成像功能，還可同時利用光譜技術(shù)獲取地物的光譜信息，從而將被觀測各種地物的空間信息和光譜特性記錄下來。通過光譜技術(shù)與成像技術(shù)的有機結(jié)合，在圖像特征和光譜特征兩個維度對觀測目標進行處理和分析，有效排除假目標，提高海上油膜識別的準確性?，F(xiàn)有技術(shù)中利用遙感數(shù)據(jù)進行溢油信息提取主要是通過波段運算，提高溢油與背景圖像的對比度，從而識別溢油。由于高光譜圖像具有的多波段特征，并且波段間的冗余度增加，數(shù)據(jù)量很大，利用常規(guī)的多光譜遙感分類方法處理速度很慢。

【發(fā)明內(nèi)容】

[0005]為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明要設(shè)計一種可以降低高光譜數(shù)據(jù)維數(shù)并提高溢油識別效率的高光譜溢油信息提取方法。
[0006]為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下:一種高光譜溢油信息提取方法，包括以下步驟:
[0007]A、預處理:對原始遙感圖像進行預處理，所述的預處理包括輻射校正、大氣校正以及掩膜處理，以提高圖像的清晰度，得到預處理圖像；
[0008]B、MNF變換:對預處理圖像進行最小噪聲分離變換，得到MNF特征值圖像；所述的MNF為最小噪聲分離變換的英文MinimumNoiseFraction的簡稱；
[0009]設(shè)高光譜圖像第i個波段圖像構(gòu)成的原始信號向量Zi由理想狀況下的無噪聲信號向量Si和噪聲信號向量Ili組成,無噪聲信號向量Si與噪聲信號向量Ili不相關(guān),則Zi可表示為:
[0010]Zi=Sjni
[0011]其中，i=l，2，.....，L，L 為波段數(shù)；
[0012]首先通過低通濾波從原始信號向量z中分離出噪聲信號向量n，然后分別求出z和n 的協(xié)方差矩陣 Σz和 Σn，其中 Z= (Z1, z2,...，Z1) , N=(n1, n2,..., nL)；
[0013]計算Σ-1 NΣz的特征值Xi和相應(yīng)的向量Ui，假設(shè)特征值滿足X1S λ2.--≥λ^
令U= Cu1,...，uL), MNF變換后結(jié)果信號向量為Y，則MNF變換最終可定義為Y=UtZ ;由MNF變換后結(jié)果信號向量Y組成的圖像為MNF特征值圖像；
[0014]C、提取感興趣區(qū):在步驟A所得預處理圖像上選擇海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜作為地物目標，建立海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜感興趣區(qū)，得到感興趣區(qū)分布圖；
[0015]D、MNF特征值曲線分析:在MNF特征值圖像和感興趣區(qū)分布圖上，尋找海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜感興趣區(qū)在MNF特征值圖像上對應(yīng)位置，提取MNF特征值圖像上對應(yīng)位置像元的MNF特征值曲線，并分析各地物目標MNF特征值曲線的差異，確定區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜的最佳波段或波段組合方式，確定區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜的閾值；
[0016]Ε、建立決策樹:根據(jù)步驟D對MNF特征值曲線的分析，對MNF特征值圖像建立分類決策樹進行分類，獲得溢油信息；
[0017]所述的建立分類決策樹進行分類的方法包括以下步驟:根據(jù)步驟D確定的區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜最佳波段或波段組合方式和確定的閾值，以MNF特征值圖像為輸入圖像，以所述閾值為判斷條件建立二叉樹，從而形成相應(yīng)的分類決策樹。
[0018]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果:
[0019]由于本發(fā)明對預處理后遙感圖像首先進行了 MNF變換，對原始數(shù)據(jù)量進行了壓縮，減少了圖像的波段數(shù)，從而降低了數(shù)據(jù)維度。并且通過MNF變換剔除了噪聲信號的影響，削弱了噪聲影響。因此本發(fā)明不僅減小了數(shù)據(jù)處理量，提高數(shù)據(jù)處理速度，而且能夠識別類別間的微小差異，提高識別精度。
【專利附圖】

【附圖說明】
[0020]本發(fā)明共有附圖3張，其中:
[0021]圖1為本發(fā)明的流程圖.[0022]圖2為本發(fā)明依據(jù)MNF特征值波譜構(gòu)建的分類決策樹。
[0023]圖3為本發(fā)明的最小噪聲分離特征值曲線。
【具體實施方式】
[0024]下面結(jié)合附圖對本發(fā)明作進一步說明。如圖1所示，本發(fā)明首先對機載可見光/紅外成像光譜儀(AirborneVisibIeInfraredImagingSpectrometer, AVIRIS)數(shù)據(jù)進行預處理，包括輻射校正、大氣校正、掩膜處理等；然后利用MNF變換對影像數(shù)據(jù)進行降維和去噪處理，從而得到MNF圖像，該圖像前N個波段集中了原數(shù)據(jù)中絕大多數(shù)的信息，而剩余波段則多為噪聲信息，不參與后續(xù)處理；為更加準確地識別各地物目標，提取MNF端元特征值曲線；通過對MNF特征值曲線的分析建立基于MNF的分類決策樹(如圖2所示)，從而實現(xiàn)溢油信息的提取。[0025]在預處理后的AVIRIS數(shù)據(jù)上選取已知的典型地物目標類型作為感興趣區(qū)，包括了海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜(sheen)。將預處理后圖像與MNF圖像關(guān)聯(lián)，確定海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜的位置。
[0026]如圖3所示，選取MNF圖像前25個波段，提取以上幾種典型地物目標對應(yīng)的MNF特征值波譜曲線。該曲線表明隨著波段序號的增加，MNF特征值逐漸趨于零，表明波段越往后所含有用的信息量越少。通過對MNF特征值曲線的分析，可見海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜在各波段的MNF特征值差異較大，不僅能夠明顯區(qū)分出海水與厚油膜和中等厚度油膜，而且可以通過第一波段和第二波段的運算區(qū)分出薄油膜和水體，通過第三波段特征值區(qū)分甚薄油膜和水體。
[0027]以上所述，僅為本發(fā)明的最佳實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本【技術(shù)領(lǐng)域】的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種高光譜溢油信息提取方法，其特征在于:包括以下步驟: A、預處理:對原始遙感圖像進行預處理，所述的預處理包括輻射校正、大氣校正以及掩膜處理，以提高圖像的清晰度，得到預處理圖像； B、MNF變換:對預處理圖像進行最小噪聲分離變換，得到MNF特征值圖像；所述的MNF為最小噪聲分離變換的英文MinimumNoiseFraction的簡稱； 設(shè)高光譜圖像第i個波段圖像構(gòu)成的原始信號向量Zi由理想狀況下的無噪聲信號向量Si和噪聲信號向量Ili組成,無噪聲信號向量Si與噪聲信號向量Ili不相關(guān),則Zi可表不為:
zi=si+ni 其中，i=l，2，.....，L，L為波段數(shù)； 首先通過低通濾波從原始信號向量z中分離出噪聲信號向量n，然后分別求出z和η的協(xié)方差矩陣 22和 ΣΝ，其中 Z=(z1; Z2,...，zj , N=Oi1, η2,..., nL)； 計算Σ: Σζ的特征值Xi和相應(yīng)的向量Ui，假設(shè)特征值滿足X1≥λ2.--≥令U= Cu1,...，uL), MNF變換后結(jié)果信號向量為Y，則MNF變換最終可定義為Y=UtZ ；由MNF變換后結(jié)果信號向量Y組成的圖像為MNF特征值圖像； C、提取感興趣區(qū):在步驟A所得預處理圖像上選擇海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜作為地物目標，建立海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜感興趣區(qū)，得到感興趣區(qū)分布圖； D、MNF特征曲線分析:在MNF特征值圖像和感興趣區(qū)分布圖上，尋找海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜感興趣區(qū)在MNF特征值圖像上對應(yīng)位置，提取MNF特征值圖像上對應(yīng)位置像元的MNF特征值曲線，并分析各地物目標MNF特征值曲線的差異，確定區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜的最佳波段或波段組合方式，確定區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜的閾值； E、建立決策樹:根據(jù)步驟D對MNF特征值曲線的分析，對MNF特征值圖像建立分類決策樹進行分類，獲得溢油信息； 所述的建立分類決策樹進行分類的方法包括以下步驟:根據(jù)步驟D確定的區(qū)分海水、厚油膜、中等厚度油膜、薄油膜和甚薄油膜最佳波段或波段組合方式和確定的閾值，以MNF特征值圖像為輸入圖像，以所述閾值為判斷條件建立二叉樹，從而形成相應(yīng)的分類決策樹。
【文檔編號】G06K9/46GK103559495SQ201310533895
【公開日】2014年2月5日 申請日期:2013年10月31日 優(yōu)先權(quán)日:2013年10月31日
【發(fā)明者】李穎, 劉丙新, 劉瑀 申請人:大連海事大學