买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：无锡学院

摘要：本发明公开了基于空间光谱相似性降维的高光谱目标跟踪方法，获得归一化后第1帧和第t帧高光谱图像，确定局部光谱曲线Cl，目标光谱曲线Ct，像素Hi,j的光谱曲线Ci,j，根据光谱角距离公式计算Cl和Ct确定分割阈值，通过分割阈值确定降维结果图Ir和掩膜，通过DenseNet提取Ir的深度特征，通过方差确定纹理特征的融合权重，并进行融合得到重组纹理特征，利用掩膜覆盖重组纹理特征，得到融合纹理特征，并对深度特征和融合纹理特征进行判别式相关滤波，得到对应响应图峰值坐标，对其进行计算欧式距离，再进行阈值判断，来确定是否更新滤波器参数，然后对响应图进行尺度估计并获得当前帧高光谱图像的跟踪目标。

主权项：1.一种基于空间光谱相似性降维的高光谱目标跟踪方法，其特征在于，该方法为：步骤一、对高光谱图像序列中的第t帧高光谱图像进行灰度归一化操作，获得归一化后第t帧高光谱图像的目标区域和搜索区域其中，t表示高光谱图像序列中的高光谱图像的帧数、t为大于等1小于等于2000的整数，包含m×n个像素和k个波段、m表示像素的行数、n表示像素的列数、包含p×q个像素和k个波段、p表示像素的行数、q表示像素的列数、和内每个像素的灰度范围是0到1的左闭右闭区间；步骤二、以所述高光谱图像序列中的第t-1帧高光谱图像目标位置为中心，在中心点上截取大小为3×3像素的图像块作为的局部区域，对局部区域中像素每个波段的灰度值取平均确定局部光谱曲线Cl、对目标区域中像素每个波段的灰度值取平均确定目标光谱曲线Ct，确定内Hi,j的光谱曲线Ci,j；其中，i为大于等于1小于等于p的正整数，j为大于等于1小于等于q的正整数,Hi,j表示第i行，第j列个像素，Ci,j是Hi,j在k个波段上灰度值的集合；步骤三、通过光谱角距离对Cl和Ct进行计算，确定分割阈值SΘ，通过光谱角距离对Cl和Ci,j进行计算，确定Hi,j的曲线匹配度Si,j；步骤四、通过Hi,j和Hi,j周围八邻域像素曲线匹配度确定集合Ψi,j，确定Hi,j的相似性度量Ii,j和Hi,j的掩膜值Mi,j，并确定掩膜M；步骤五、通过相似性度量Ii,j确定降维结果图Ir；步骤六、通过DenseNet提取Ir的深度特征D；步骤七、通过3DGabor滤波器提取的纹理特征，获得纹理特征Gu,v，其中u为大于等于1小于等于5的正整数，v为大于等于1小于等于13的正整数；步骤八、通过方差确定纹理特征Gu,v的融合权重ηu,v；步骤九、通过融合权重ηpq计算重组纹理特征Gr；步骤十、通过Gr和掩膜M确定融合纹理特征Gf步骤十一、通过判别式相关滤波器获得融合纹理特征Gf的响应图FG和深度特征D的响应图FD；步骤十二、确定滤波器更新参数Ot+1；步骤十三、通过尺度估计模块实现高光谱图像目标跟踪；所述步骤三，具体通过以下步骤实现：301确定分割阈值SΘ为 其中，arccos表示反余弦变换，·T表示向量转置；302确定Hi,j的曲线匹配度Si,j为 所述步骤四，具体通过以下步骤实现：401确定Hi,j和Hi,j周围八邻域像素曲线匹配度的集合Ψi,j为Ψi,j＝{Si-1,j+1,Si-1,j,Si-1,j-1,Si,j+1,Si,j,Si,j-1,Si+1,j-1,Si+1,j,Si+1,j-1}3402确定Hi,j的相似性度量Ii,j为 其中，minΨi,j表示集合最小值，midΨi,j表示集合中值，maxΨi,j表示集合最大值；403遍历内所有像素，确定相似性度量集合I为I＝{I1,1,I1,2,…,Ii,j}5404确定Hi,j的掩膜值Mi,j为 405遍历内所有像素，确定掩膜M为M＝{M1,1,M1,2,…,Mi,j}7。

全文数据：

权利要求：

百度查询： 无锡学院 基于空间光谱相似性降维的高光谱目标跟踪方法