利索能及
我要发布
收藏
专利号: 2020108443605
申请人: 西安理工大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-05-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.基于频率调整模型的高光谱图像显著目标检测方法,其特征在于,具体按照以下步骤实施:步骤1、输入高光谱图像以及高光谱图像对应的RGB图像;

步骤2、利用频率调整模型对高光谱的RGB图像进行显著目标检测,得到频率调整算法的显著图;

所述步骤2具体按照以下步骤实施:

步骤2.1、将高光谱图像的RGB图像进行颜色空间变换,将图像从RGB空间变换到LAB空间;

步骤2.2、使用高斯滤波对高光谱图像做处理,得到高斯滤波图像;

步骤2.3、将LAB空间下每个像素点的均值与高斯滤波图像的像素点利用欧式距离计算作为像素显著性值;

所述步骤2.3中像素显著性值计算如下式:S(x,y)=||Iμ(x,y)‑Iwhc(x,y)||(1);

其中,

式中,S(x,y)是像素的显著性值,Iμ(x,y)是图像像素的算术平均值,使用的是Lab颜色特征,Iwhc(x,y)是高斯模糊后对应的图像像素值,|| ||是求欧氏距离;

步骤2.4、将每个像素的显著性值归一化后得到频率调整算法的显著图;

所述步骤2.4中频率调整算法的显著图的计算如下式:式中,S(x,y)是像素的显著性值,max[S(x,y)]表示图像像素的最大显著值,SalFT为经过归一化得到的频率调整算法的显著图;

步骤3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性,得到光谱显著图;

所述步骤3具体按照以下步骤实施:

步骤3.1、计算光谱带之间的光谱角距离作为高光谱图像的光谱特征,从而得到光谱特征图;

所述步骤3.1中光谱特征图的计算如下式:式中,Mc与Ms表示不同的光谱带,SAD(c,s)表示不同波段之间的光谱角距离;

步骤3.2,将步骤3.1得到的光谱特征图进行归一化,得到光谱显著图;

所述步骤3.2中光谱显著图的计算如下式:式中,SAD(c,s)表示不同波段之间的光谱角距离,max(SAD(c,s))表示光谱带间的最大光谱角距离,SalSpectral表示将光谱特征图经过归一化,得到的光谱显著图;

步骤4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化,然后融合,形成最终的高光谱图像的显著目标图;

所述步骤4中高光谱图像的显著目标图的计算如下式:式中S表示高光谱图像的显著目标图;SalFT表示通过频率调整算法计算得到的显著图;

SalSpectral表示光谱显著图。