申请/专利权人：深圳大学

申请日：2018-08-30

公开（公告）日：2023-05-26

公开（公告）号：CN109360264B

主分类号：G06T17/00

分类号：G06T17/00

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2019.03.15#实质审查的生效;2019.02.19#公开

摘要：本发明公开了一种图像统一模型的建立方法与装置，方法包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定该光谱值的梯度信息；根据该光谱值与梯度信息，确定高光谱图像的综合特征参数，并基于该综合特征参数建立高光谱图像的统一模型，并利用统一模型对高光谱图像进行局部特征检测。相较于现有技术而言，本发明在对高光谱图像进行局部特征检测时，引入了包括光谱值与光谱值对应的梯度信息的综合特征参数，在进行高光谱图像的局部特征检测时，有助于提升整个系统的鲁棒性。

主权项：1.一种图像统一模型的建立方法，其特征在于，所述方法包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息；根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值；对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值；基于所述光谱梯度变化矢量模值与所述修正光谱值，确定综合特征参数；其中，所述综合特征参数表示为：f′p0＝fδp0+g′p0，fδp0为修正后点p0处的光谱值，g′p0为梯度变化矢量；基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。

全文数据：图像统一模型的建立方法与装置技术领域本发明涉图像处理技术领域，尤其涉及一种图像统一模型的建立方法与装置。背景技术近年来高光谱图像在很多领域都有着广泛的应用，与灰度图像和彩色图像不同的是，高光谱图像是由可见光、近红外、短波红外、中波红外、热红外等多个波段的图像叠加而成，因此，高光谱图像能够比灰度图像和彩色图像提供更多的信息。高光谱图像可以用三维矢量场来表示，矢量场中的数据是由同一个坐标位置处的不同波段的像素组成的矢量。对于多维矢量数据的操作与分析，传统的多维欧式空间已经无法为其提供完全的理论支撑，难以获取更多高光谱图像的关键信息，因此高光谱图像在局部特征检测过程中的鲁棒性较低。发明内容本发明提供了一种图像统一模型的建立方法与装置，可以解决现有技术中高光谱图像在局部特征检测过程中的鲁棒性较低的技术问题。本发明第一方面提供一种图像统一模型的建立方法，该方法包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息；根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数；基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。可选的，所述根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数的步骤包括：根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值；对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值；基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。可选的，所述根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值的步骤包括：基于所述空域点的梯度信息，计算所述空域点的梯度值；利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。可选的，所述对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值的步骤包括:利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值；当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。可选的，所述确定所述光谱值的梯度信息的步骤包括：确定所述光谱值在空域方向上与谱域方向上的变化率；基于所述变化率计算得到所述光谱值的梯度信息。本发明第二方面提供了一种图像统一模型的建立装置，该装置包括：第一确定模块，用于确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息；第二确定模块，用于根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数；建立模块，用于基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。可选的，所述第二确定模块包括：计算模块，用于根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值；修正模块，用于对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值；参数确定模块，用于基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。可选的，所述计算模块包括：第一计算模块，用于基于所述空域点的梯度信息，计算所述空域点的梯度值；第二计算模块，用于利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；第三计算模块，用于基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。可选的，所述修正模块具体用于：利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值，当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。可选的，所述第一确定模块包括：变化率确定模块，用于确定所述光谱值在空域方向上与谱域方向上的变化率；梯度信息计算模块，基于所述变化率计算得到所述光谱值的梯度信息。本发明提供了一种图像统一模型的建立方法，该方法包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定该光谱值的梯度信息；根据上述光谱值与所述梯度信息，确定高光谱图像的综合特征参数，基于该综合特征参数建立高光谱图像的统一模型，并利用统一模型对高光谱图像进行局部特征检测。相较于现有技术而言，本发明在对高光谱图像进行局部特征检测时，引入了包括光谱值与光谱值对应的梯度信息的综合特征参数，然后建立高光谱图像的统一模型，由于高光谱图像中仅包含同一种物质的点的光谱曲线，在谱域的变化非常小，而包含多种不同物质的点的光谱曲线，在谱域的变化却很大，因此通过上述统一模型，可以有效的检测出高光谱图像中任意一点所包含的物质种类数，即在进行高光谱图像的局部特征检测时，有助于提升整个系统的鲁棒性。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例中图像统一模型的建立方法的步骤流程示意图；图2为本发明实施例中步骤102的细化步骤流程示意图；图3为本发明实施例中图像统一模型的建立装置的程序模块示意图；图4为本发明实施例中第二确定模块302的细化程序模块示意图；图5为本发明实施例中提供的电子设备的结构示意图。具体实施方式为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。为了更好的理解本发明，本发明实施例首先提供一种高光谱图像的几何代数模型，本发明中的局部特征检测过程均在一个有限长波段的高光谱图像中进行，因此高光谱图像可以表示为一个高光谱图像立方体，包括空域信息x,y与光谱域信息λ，即对于一个空域尺寸为M*N，高光谱图像波段数为n的高光谱图像F，它可以表示为：F＝fx,y,λ1式1中，fx,y,λ表示高光谱图像的函数，x,y,λ表示3维坐标，x和y表示空域坐标,0＜x＜M，0＜y＜N,λ表示光谱域坐标，0＜λ＜n。本实施例采用几何代数作为高光谱图像表示和分析的数学框架，因此，下面先介绍几何代数框架下的高光谱图像的数学表示模型。设R3是高光谱图像空域和光谱域组成的三维欧式空间，它的规范正交基为{e1,e2,e3}，那么这些规范正交基通过几何积张成R3上的几何代数空间为而可以称为高光谱图像的三维几何代数空间，本实施例后续部分将其简记为它的一组规范基为：E3:＝{Ei|i＝0,1,2,…,23-1}＝{1,e1,e2,e3,e1∧e2,e2∧e3,e1∧e3,e1∧e2∧e3}2其中，∧是几何代数外积，e1∧e2,e2∧e3,e1∧e3是由三个正交基e1,e2,e3得到的三个独立的二重外积，这三个二重外积几何意义上分别表示了空间两个矢量表示的平面，e1∧e2∧e3是三重外积：e1∧e2∧e3＝e1∧e2e3，其几何解释是：二重外积e1∧e2沿着矢量e3移动所获得的有向几何体。{e1,e2,e3}可以看作的3维向量子空间的基向量{x,y,λ}。将e1e2e3记为I，由于eiej＝ei∧ej＝eij,ei2＝1，则e1e2＝Ie3，e2e3＝Ie1以及e3e1＝Ie2。并满足e1e22＝e2e32＝e3e12＝-13则高光谱图像可以表示为：F＝fp4其中p＝xe1+ye2+λe3，表示高光谱图像F的像元。设高光谱图像F中坐标为x1,y1,λ1与x2,y2,λ2的两个像元p1,p2，且p1＝x1e1+y1e2+λ1e3，p2＝x2e1+y2e2+λ2e3，则它们的几何积可以表示为：p1p2＝p1·p2+p1∧p25它表示两个矢量的几何积是由内积p1·p2和外积p1∧p2之和组成。在中，p1和p2的距离可以用Δp表示，即：Δp＝p1-p2＝x1-x2e1+y1-y2e2+λ1-λ2e36它表示一个从p2指向p1的矢量，它不仅是两个像素点距离的度量，而且也可以反映高光谱图像中的梯度信息。请参阅图1，图1为本发明实施例中图像统一模型的建立方法的步骤流程示意图，本发明实施例中，上述方法包括：步骤101、确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息。其中，光谱曲线是指高光谱图像中空域中的某一点x，y对应的整个谱域中光谱值所形成的一条曲线。对于空域中仅包括同一种物质的点的光谱曲线，它们在谱域的变化是非常的接近的，但是包含不同物质的点的光谱曲线，它们在谱域的变化却很大。因此我们通过光谱值的波动情况和光谱曲线的变化率来完成目标检测与识别将会是行之有效的一种方法。在空域中通过对不同点的光谱曲线的变化率进行计算，能够更有效的寻找出物质中隐藏的重要信息。具体的，上述步骤101中确定所述光谱值的梯度信息的步骤包括：步骤a、确定所述光谱值在空域方向上与谱域方向上的变化率；步骤b、基于所述变化率计算得到所述光谱值的梯度信息。具体的，几何代数空间下高光谱图像梯度的定义：假设和p＝xe1+ye2+λe3,则HSIhyperspectralimage，高光谱图像模型可以表示为F＝fp，此处定义：为高光谱图像F在几何代数空间中P点的梯度，记为gradfp,即gradfp＝fxpe1+fype2+fλpe38其中fxp和fyp为空域上x和y方向的偏导，fλp为谱域方向上的偏导。高光谱图像空域上的梯度fxpe1+fype2反映了空域二维图像的边缘信息，而谱域上的梯度fλpe3则反映了不同物质所特有的物质信息。为了检测具有不同类别性质的空谱域兴趣点SSIP，spatial-spectralinterestpoint，将以谱域上的梯度为探究重点，以得到具有不同物质属性的SSIP。步骤102、根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数。其中，一般情况下，高光谱图像中仅包含同一种物质的点的光谱曲线具有相同或者相似的变化规律，因此它们的光谱值以及光谱曲线的变化梯度在一定的邻域内将会很接近，因此，综合光谱值与梯度信息，确定出高光谱图像的综合特征参数，可以作为高光谱图像局部特征的提取中较优的一个参数。具体的，参照图2，图2为本发明实施例中步骤102的细化步骤流程示意图，上述步骤102可以细分为以下步骤：步骤201、根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值。其中，上述步骤201包括：步骤a、基于所述空域点的梯度信息，计算所述空域点的梯度值；步骤b、利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；步骤c、基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。具体的，假设：则：p0＝xie1+yje2+λke3，p1＝xie1+yje2+λk+1e3，p2＝xie1+yje2+λk-1e3，p3＝xie1+yje2+λk+2e3，p4＝xie1+yje2+λk-2e3。中p0处的光谱梯度定义为：其中，其中，反映了点p0处的梯度大小和方向，使用它的模值来反映它的变化幅度，而它的方向可以定义为光谱曲线在波段λk中点p0的切线方向。一般来说，在该点的梯度模值越大，则光谱曲线在该点的变化量就越大，反之亦然。由于同一种物质在同一空域的不同谱域有着相同或变化相似的光谱曲线，而光谱曲线的变化即为光谱梯度，若在l×l邻域内为同一物质，则它们具有相同或者变化相似的光谱曲线，且它们在此邻域内的梯度大小也很接近。设Sii＝0,1表示在λi＝λk+i平面上以pi为中心的l×l的邻域共l2个点的集合，S2表示在λ2＝λk-1平面上以p2为中心的l×l的邻域共l2个点的集合，其中λk∈[2,n-1]，得到：其中gpij为上S0内的任意一点pij的光谱梯度。S0内的平均梯度模值为：若在点p0的l×l-1邻域内为同一物质，则其方差且其中ε为经验值，是单位梯度方差的阈值。为了方便和简化后续的计算，定义一个梯度变化矢量假设是光谱梯度在p0的标准差，则光谱值梯度变化矢量模值的定义如下：步骤202、对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值。其中，上述步骤202包括：步骤a、利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值；步骤b、当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。具体的，光谱梯度的标准差为光谱梯度变化矢量的模值，的方向为光谱梯度的方向。在一方面，由于外部环境，高光谱图像数据采集、运输、预处理等噪声的影响，同样的物质可能光谱曲线会存在差异，为此需要对光谱值进行修正，以减少“同谱异物”对特征提取和表达时的影响；另一方面，光谱曲线受变化率即梯度和光谱值的影响，因此，对于HSI中的同一物质，除了梯度之外，还需计算光谱曲线上的光谱值的校正值，其定义如下：其中fp0为p0处的光谱值，fδp0是修正后的光谱值，为光谱值的修正量，定义为以为中心的3σ邻域的标准差，即其中σ为高斯尺度因子，是以p0为中心的3σ邻域的均值，且其中，ε1为经验值，是单位光谱值修正量的标准差阈值。步骤203、基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。其中，对于同一种物质，梯度矢量与修正后的光谱值必须同时满足12-19式，于是为了表现位于的像素点所具有的含修正量的光谱值信息和梯度变化信息，定义一个新的几何代数矢量f′p0，命名为高光谱图像像素点的光谱值-梯度变化矢量spectralvalue-gradientchangevector,SVGCV，即上述步骤中所指的综合特征参数，其形式如下：其中fδp0为修正后p0处的光谱值，为梯度变化矢量。它是一个既含有标量信息又含有矢量信息的矢量，不仅反映了光谱值信息，而且还反映了梯度方向及其大小变化情况。步骤103、基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。本发明实施例中，基于上述定义和描述，高光谱图像F变换为一个以综合特征参数SVGCV为元素的三维矩阵，该三维矩阵即可作为高光谱图像的统一模型，记为：F′＝f′p21其中f′p是自变量为p，因变量为SVGCV的函数。其中，利用上述统一模型即可对上述高光谱图像进行局部特征检测。本发明实施例所提供的一种图像统一模型的建立方法，包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定该光谱值的梯度信息；根据上述光谱值与所述梯度信息，确定高光谱图像的综合特征参数，基于该综合特征参数建立高光谱图像的统一模型，并利用统一模型对高光谱图像进行局部特征检测。相较于现有技术而言，本发明在对高光谱图像进行局部特征检测时，引入了包括光谱值与光谱值对应的梯度信息的综合特征参数，然后建立高光谱图像的统一模型，由于高光谱图像中仅包含同一种物质的点的光谱曲线，在谱域的变化非常小，而包含多种不同物质的点的光谱曲线，在谱域的变化却很大，因此通过上述统一模型，可以有效的检测出高光谱图像中任意一点所包含的物质种类数，即在进行高光谱图像的局部特征检测时，有助于提升整个系统的鲁棒性。进一步的，本发明实施例还提供一种图像统一模型的建立装置，参照图3，图3为本发明实施例中图像统一模型的建立装置的程序模块示意图，本发明实施例中，上述装置包括：第一确定模块301，用于确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息。第二确定模块302，用于根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数。建立模块303，用于基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。其中，第一确定模块301包括：变化率确定模块，用于确定所述光谱值在空域方向上与谱域方向上的变化率；梯度信息计算模块，基于所述变化率计算得到所述光谱值的梯度信息。进一步的，参照图4，图4为本发明实施例中第二确定模块302的细化程序模块示意图，上述第二确定模块302包括：计算模块401，用于根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值。其中，计算模块401包括：第一计算模块，用于基于所述空域点的梯度信息，计算所述空域点的梯度值；第二计算模块，用于利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；第三计算模块，用于基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。修正模块402，用于对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值。其中，修正模块402具体用于:利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值，当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。参数确定模块403，用于基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。本发明实施例所提供的一种图像统一模型的建立装置，可以实现：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定该光谱值的梯度信息；根据上述光谱值与所述梯度信息，确定高光谱图像的综合特征参数，基于该综合特征参数建立高光谱图像的统一模型，并利用统一模型对高光谱图像进行局部特征检测。相较于现有技术而言，本发明在对高光谱图像进行局部特征检测时，引入了包括光谱值与光谱值对应的梯度信息的综合特征参数，然后建立高光谱图像的统一模型，由于高光谱图像中仅包含同一种物质的点的光谱曲线，在谱域的变化非常小，而包含多种不同物质的点的光谱曲线，在谱域的变化却很大，因此通过上述统一模型，可以有效的检测出高光谱图像中任意一点所包含的物质种类数，即在进行高光谱图像的局部特征检测时，有助于提升整个系统的鲁棒性。进一步的，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现本发明图像统一模型的建立方法对应各个实施例中的各个步骤。本发明实施例还提供一种可读存储介质，该可读存储介质为计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现本发明图像统一模型的建立方法对应各个实施例中的各个步骤。为了更好的理解本发明，参照图5，图5为本发明实施例中提供的电子设备的结构示意图。如图5所示，该实施例的电子设备05主要包括：处理器50、存储器51以及存储在存储器51中并可在处理器50上运行的计算机程序52，例如图像统一模型的建立程序。处理器50执行计算机程序52时实现上述图像统一模型的建立方法各实施例中的步骤，例如图1至附图2任一示例所示的步骤。或者，处理器50执行计算机程序52时实现上述各装置实施例中各模块单元的功能，例如图3所示各模块的功能。计算机程序52可以被分割成一个或多个模块单元，一个或者多个模块单元被存储在存储器51中，并由处理器50执行，以完成本发明。一个或多个模块单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序52在计算设备05中的执行过程。例如，计算机程序52可以被分割成第一确定模块301、第二确定模块302、检测模块303虚拟装置中的模块的功能。计算设备05可包括但不仅限于处理器50、存储器51。本领域技术人员可以理解，图5仅仅是计算设备05的示例，并不构成对计算设备05的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算设备还可以包括输入输出设备、网络接入设备、总线等。所称处理器50可以是中央处理单元CentralProcessingUnit，CPU，还可以是其他通用处理器、数字信号处理器DigitalSignalProcessor，DSP、专用集成电路ApplicationSpecificIntegratedCircuit，ASIC、现成可编程门阵列Field-ProgrammableGateArray，FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器51可以是计算设备05的内部存储单元，例如计算设备05的硬盘或内存。存储器51也可以是计算设备05的外部存储设备，例如计算设备05上配备的插接式硬盘，智能存储卡SmartMediaCard，SMC，安全数字SecureDigital，SD卡，闪存卡FlashCard等。进一步地，存储器51还可以既包括计算设备05的内部存储单元也包括外部存储设备。存储器51用于存储计算机程序以及计算设备所需的其他程序和数据。存储器51还可以用于暂时地存储已经输出或者将要输出的数据。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备可以是个人计算机，服务器，或者网络设备等执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器ROM，Read-OnlyMemory、随机存取存储器RAM，RandomAccessMemory、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。以上为对本发明所提供的一种图像统一模型的建立方法与装置、设备及存储介质的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

权利要求：1.一种图像统一模型的建立方法，其特征在于，所述方法包括：确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息；根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数；基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。2.如权利要求1所述的方法，其特征在于，所述根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数的步骤包括：根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值；对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值；基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。3.如权利要求2所述的方法，其特征在于，所述根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值的步骤包括：基于所述空域点的梯度信息，计算所述空域点的梯度值；利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。4.如权利要求2所述的方法，其特征在于，所述对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值的步骤包括：利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值；当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。5.如权利要求1至4任意一项所述的方法，其特征在于，所述确定所述光谱值的梯度信息的步骤包括：确定所述光谱值在空域方向上与谱域方向上的变化率；基于所述变化率计算得到所述光谱值的梯度信息。6.一种图像统一模型的建立装置，其特征在于，所述装置包括：第一确定模块，用于确定高光谱图像在指定空域点的光谱曲线上的光谱值，并确定所述光谱值的梯度信息；第二确定模块，用于根据所述光谱值与所述梯度信息，确定所述高光谱图像的综合特征参数；建立模块，用于基于所述综合特征参数建立所述高光谱图像的统一模型，并利用所述统一模型对所述高光谱图像进行局部特征检测。7.如权利要求6所述的装置，其特征在于，所述第二确定模块包括：计算模块，用于根据所述光谱值与所述梯度信息，计算所述空域点的光谱梯度变化矢量模值；修正模块，用于对所述空域点的光谱值进行修正，得到所述空域点修正后的修正光谱值；参数确定模块，用于基于所述光谱梯度变化矢量模值与所述修正光谱值，确定所述综合特征参数。8.如权利要求7所述的装置，其特征在于，所述计算模块包括：第一计算模块，用于基于所述空域点的梯度信息，计算所述空域点的梯度值；第二计算模块，用于利用计算出的梯度值，计算以所述空域点为中心的预设大小的领域内各个点的平均梯度模值；第三计算模块，用于基于所述平均梯度模值确定所述空域点的光谱梯度变化矢量模值。9.如权利要求7所述的装置，其特征在于，所述修正模块具体用于:利用预先设置的光谱值修正量计算算法，计算所述光谱值对应的修正值，当所述修正值小于预设的修正阈值时，利用所述修正值对所述光谱值进行修正。10.如权利要求6至9任意一项所述的装置，其特征在于，所述第一确定模块包括：变化率确定模块，用于确定所述光谱值在空域方向上与谱域方向上的变化率；梯度信息计算模块，基于所述变化率计算得到所述光谱值的梯度信息。

百度查询： 深圳大学 图像统一模型的建立方法与装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD