本发明公开了一种基于全波段特征增强的光谱匹配方法及系统，利用高光谱技术得到样品的反射光谱，计算在一段光谱范围的反射率方差，并将其定义为波动强度，进而建立波动光谱，计算波动光谱的相似距离实现光谱匹配。该方法在波长维分析光谱波动，建立反射光谱到波动光谱的变换，提取光谱诊断特征进行并放大，抑制光谱冗余信息，进一步扩大光谱可分性，有效提高光谱匹配算法性能。本发明是一种基于光谱波动的高光谱特征增强技术，进一步提高高光谱成像技术对地物，特别是具有吸收反射特性的矿物识别能力。
1.一种基于全波段特征增强的光谱匹配方法，其特征在于，包括：S1、采集k类参考样本的反射率，得到k类参考样本的反射光谱为{RS1,RS2,RS3,...,RSk}；
S2、对于任意参考样本j,1≤j≤k，记第j类参考样本反射光谱RSj的波长为{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波动波长，由h2＝max(h|λji+h＜λji+δ)得到波段i向长波方向的波动波长，其中，λji表示参考样本j在波段i处的波长，(λji-δ,λji+δ)表示波段i的波动区间，δ为预设值，1≤i≤n，n为整个光谱范围内谱带的总数目；
S3、对于第j类参考样本的反射光谱RSj＝(rj1,rj2,rj3,...,rjn)，计算第j类参考样本在波段i的波动强度 其中，rji表示第j类参考样本在波段i处的反射率， 表示波段i在波动区间(λji-δ,λji+δ)上的反射率均值；
S4、由FSji＝SFIji得到第j类参考样本在波段i的强度值，进而构建第j类参考样本在全波段的波动光谱；
S5、重复步骤S2～步骤S4得到k类参考样本的波动光谱，根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，光谱角度越小，两类样本相似度越高。
2.根据权利要求1所述的方法，其特征在于，所述根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，包括：构建待测样本l在全波段的波动光谱
其中，1≤j≤k，第j类参考样本在全波段的波动光谱为FSj＝(fj1,fj2,...,fjn)，fli为样本l在波段i处的波动强度；fln为样本l在波段n处的波动强度；fji为第j类样本的平均波动光谱在波段i处的波动强度；
将待测样本l确定为待测样本l与各类参考样本的光谱角度的最小值对应的参考样本所属的类别。
3.一种基于全波段特征增强的光谱匹配系统，其特征在于，包括：反射光谱构建模块，用于采集k类参考样本的反射率，得到k类参考样本的反射光谱为{RS1,RS2,RS3,...,RSk}；
波动波长获取模块，用于对于任意参考样本j,1≤j≤k，记第j类参考样本反射光谱RSj的波长为{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波动波长，由h2＝max(h|λji+h＜λji+δ)得到波段i向长波方向的波动波长，其中，λji表示参考样本j在波段i处的波长，(λji-δ,λji+δ)表示波段i的波动区间，δ为预设值，1≤i≤n，n为整个光谱范围内谱带的总数目；
波动强度获取模块，用于对于第j类参考样本的反射光谱RSj＝(rj1,rj2,rj3,...,rjn)，计算第j类参考样本在波段i的波动强度 其中，rji表示第j类参考样本在波段i处的反射率， 表示波段i在波动区间(λji-δ,λji+δ)上的反射率均值；
波动光谱构建模块，用于由FSji＝SFIji得到第j类参考样本在波段i的强度值，进而构建第j类参考样本在全波段的波动光谱；
光谱匹配模块，用于根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，光谱角度越小，两类样本相似度越高。
4.根据权利要求3所述的系统，其特征在于，所述光谱匹配模块包括：波动光谱构建子模块，用于构建待测样本l在全波段的波动光谱
类参考样本的光谱角度，其中，1≤j≤k，第j类参考样本在全波段的波动光谱为FSj＝(fj1,fj2,...,fjn)， fli为样本l在波段i处的波动强度；fln为样本l在波段n处的波动强度；fji为第j类样本的平均波动光谱在波段i处的波动强度；
光谱匹配子模块，用于将待测样本l确定为待测样本l与各类参考样本的光谱角度的最小值对应的参考样本所属的类别。
一种基于全波段特征增强的光谱匹配方法及系统
技术领域
[0001] 本发明属于高光谱数据处理与应用技术领域，更具体地，涉及一种基于全波段特征增强的光谱匹配方法及系统，特别适用于岩矿高光谱的高精度匹配。
背景技术
[0002] 高光谱表示光谱分辨率在delta_lambda/lambda＝0.01mm数量级，高光谱成像技术结合了成像技术与光谱技术，获取探测目标的三维立体数据。借助数据处理技术对三维数据进行解析，得到目标的空间信息和光谱信息，从而实现对目标的定性、定量分析，进一步提高了人类信息获取和分析能力。
[0003] 高光谱数据处理是其分析研究中非常关键的一环，其中基于光谱特征实现目标匹配是数据处理的研究重点之一。在光谱匹配过程中，为实现多类矿物识别，通常需要计算地物全波段光谱相似性。但是，全波段光谱通常包含检测目标的诊断特征和冗余信息，诊断特征与冗余信息的混杂会降低识别算法性能。因此，增强光谱诊断特征抑制冗余信息是进一步提高高光谱技术识别能力的关键。
[0004] 采用算法增强光谱诊断特征是一种简便高效的光谱特征增强技术，能有效提高高光谱技术的识别能力。但是，目前的高光谱匹配方法由于无法实现对冗余波段信息的抑制，导致算法适用范围有限。虽然目前有方法可以利用主成分分析和空间投影得到特征增强空间，突出光谱本质特征，抑制背景噪声，进而提高光谱匹配的准确性和适应性。但是，当引入新的待匹配目标时，该方法需要重新计算特征增强空间，这将增加使用时的重复计算量，导致算法效率的降低。
[0005] 因此，寻求一种光谱全波段特征增强的算法，提高高光谱的识别精度和效率，对于提高光谱识别和分析能力具有重大意义。
发明内容
[0006] 针对现有技术的以上缺陷或改进需求，本发明的目的在于提供了一种基于全波段特征增强的光谱匹配方法及系统，由此解决现有的光谱匹配方法识别精度及算法效率较低的技术问题。
[0007] 为实现上述目的，按照本发明的一个方面，提供了一种基于全波段特征增强的光谱匹配方法，包括：
[0008] S1、采集k类参考样本的反射率，得到k类参考样本的反射光谱为{RS1,RS2,RS3,...,RSk}；
[0009] S2、对于任意参考样本j,1≤j≤k，记第j类参考样本反射光谱RSj的波长为{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波动波长，由h2＝max(h|λji+h＜λji+δ)得到波段i向长波方向的波动波长，其中，λji表示参考样本j在波段i处的波长，(λji-δ,λji+δ)表示波段i的波动区间，δ为预设值，1≤i≤n；
[0010] S3、对于第j类参考样本的反射光谱RSj＝(rj1,rj2,rj3,...,rjn)，计算第j类参考样本在波段i的波动强度 其中，rji表示第j类参考样本在波段i处的反射率， 表示波段i在波动区间(λji-δ,λji+δ)上的反射率均
值；
[0011] S4、由FSji＝SFIji得到第j类参考样本在波段i的强度值，进而构建第j类参考样本在全波段的波动光谱；
[0012] S5、重复步骤S2～步骤S4得到k类参考样本的波动光谱，根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，光谱角度越小，两类样本相似度越高。
[0013] 优选地，所述根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，包括：
[0014] 构建待测样本l在全波段的波动光谱
[0015] 由 得到待测样本l与第j,1≤j≤k类参考样本的光谱角度，其中，第j类参考样本在全波段的波动光谱为FSj＝(fj1,fj2,...,fjn)，
[0016] 将待测样本l确定为待测样本l与各类参考样本的光谱角度的最小值对应的参考样本所属的类别。
[0017] 按照本发明的另一方面，提供了一种基于全波段特征增强的光谱匹配系统，包括：
[0018] 反射光谱构建模块，用于采集k类参考样本的反射率，得到k类参考样本的反射光谱为{RS1,RS2,RS3,...,RSk}；
[0019] 波动波长获取模块，用于对于任意参考样本j,1≤j≤k，记第j类参考样本反射光谱RSj的波长为{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波动波长，由h2＝max(h|λji+h＜λji+δ)得到波段i向长波方向的波动波长，其中，λji表示参考样本j在波段i处的波长，(λji-δ,λji+δ)表示波段i的波动区间，δ为预设值，1≤i≤n；
[0020] 波动强度获取模块，用于对于第j类参考样本的反射光谱RSj＝(rj1,rj2,rj3,...,rjn)，计算第j类参考样本在波段i的波动强度 其中，rji表示第j类参考样本在波段i处的反射率， 表示波段i在波动区间(λji-
δ,λji+δ)上的反射率均值；
[0021] 波动光谱构建模块，用于由FSji＝SFIji得到第j类参考样本在波段i的强度值，进而构建第j类参考样本在全波段的波动光谱；
[0022] 光谱匹配模块，用于根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，光谱角度越小，两类样本相似度越高。
[0023] 优选地，所述光谱匹配模块包括：
[0024] 波动光谱构建子模块，用于构建待测样本l在全波段的波动光谱
[0025] 光谱角度确定模块，用于由 得到待测样本l与第j,1≤j≤k类参考样本的光谱角度，其中，第j类参考样本在全波段的波动光谱为FSj＝(fj1,fj2,...,fjn)，
[0026] 光谱匹配子模块，用于将待测样本l确定为待测样本l与各类参考样本的光谱角度的最小值对应的参考样本所属的类别。
[0027] 总体而言，本发明方法与现有技术方案相比，能够取得下列有益效果：
[0028] (1)本发明最突出的特点是定义光谱波动强度，将反射光谱变换为波动光谱，从而实现诊断特征强化和冗余信息抑制，增大光谱可分性，有效提高光谱匹配算法的识别精度。
[0029] (2)本发明提供一种光谱预处理方法，对每一个样本进行独立处理，有效减少引入新样本导致的重复计算量，有效提高光谱匹配算法效率。
[0030] (3)本发明提供一种光谱预处理方法，进一步结合分类、定量等处理方法，可以应用于高光谱遥感等领域的高精度检测。
附图说明
[0031] 图1为本发明实施例公开的一种基于全波段特征增强的光谱匹配方法的流程示意图；
[0032] 图2为本发明实施例公开的一种不同物质的高光反射光谱图；
[0033] 图3为本发明实施例公开的一种经过光谱变换后得到的波动光谱图。
具体实施方式
[0034] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0035] 全波段光谱通常包含待测目标的诊断特征和冗余信息。传统光谱增强技术，利用去包络线法等对光谱吸收特征进行提取，尚未见过利用光谱波动进行特征增强。
[0036] 本发明提供一种基于全波段特征增强的光谱匹配方法，具体为一种全波段高光谱特征增强方法，目的在于提高光谱的可分性。该方法首先利用高光谱技术得到目标的反射光谱，然后根据反射率计算光谱波动强度，将反射光谱变换到波动光谱，实现全波段特征增强，最后对波动光谱进行光谱匹配。
[0037] 如图1所示为本发明实施例公开的一种基于全波段特征增强的光谱匹配方法的流程示意图，具体包括如下步骤：
[0038] S1、利用高光谱技术采集k类参考样本的反射率，得到k类参考样本的反射光谱为{RS1,RS2,RS3,...,RSk}；
[0039] S2、对于任意参考样本j,1≤j≤k，记第j类参考样本反射光谱RSj的波长为{λj1,λj2,λj3,...,λjn}，由h1＝min(h|λji-h＞λji-δ)得到波段i向短波方向的波动波长，由h2＝max(h|λji+h＜λji+δ)得到波段i向长波方向的波动波长，其中，λji表示参考样本j在波段i处的波长，(λji-δ,λji+δ)表示波段i的波动区间，δ为预设值，1≤i≤n；
[0040] 其中，δ取值可以根据实际需要进行确定，优选地，δ＝0.020μm。
[0041] S3、对于第j类参考样本的反射光谱RSj＝(rj1,rj2,rj3,...,rjn)，计算第j类参考样本在波段i的波动强度 其中，rji表示第j类参考样本在波段i处的反射率， 表示波段i在波动区间(λji-δ,λji+δ)上的反射率均
值；
[0042] S4、由FSji＝SFIji得到第j类参考样本在波段i的强度值，进而构建第j类参考样本在全波段的波动光谱；
[0043] S5、重复步骤S2～步骤S4得到k类参考样本的波动光谱，根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，光谱角度越小，两类样本相似度越高。
[0044] 其中，根据k类参考样本中各参考样本与待测样本的光谱角度确定待测样本的种类，具体包括：
[0045] 构建待测样本l在全波段的波动光谱
[0046] 其中，可以采用步骤S2～步骤S4的方法构建待测样本l在全波段的波动光谱。
[0047] 由 得到待测样本l与第j,1≤j≤k类参考样本的光谱角度，其中，第j类参考样本在全波段的波动光谱为FSj＝(fj1,fj2,...,fjn)，
[0048] 将待测样本l确定为待测样本l与各类参考样本的光谱角度的最小值对应的参考样本所属的类别。
[0049] 下面以一个具体实施例说明本发明公开的一种基于全波段特征增强的光谱匹配方法。
[0050] 选取滑石、橄榄石、顽火辉石、角闪石和透闪石五类易混淆岩矿为样本，其反射率数据来源于ENVI中USGS高光谱矿物数据库，共计410个波段。该五种物质在高光反射光谱如图2所示，进过光谱变换后得到的波动光谱如图3所示。
[0051] 为了展现本发明的优越性，将任意两类矿物的波动光谱、原始光谱和去包络线光谱的光谱角度计算结果进行比较，结果如表1、2、3所示。相比于原始光谱和去包络光谱，经过波动光谱变换，很大程度上提高了矿物之间的差异性。同时引入光谱自信息量(SI)作为光谱特征增强的有效判据。第j类矿物的光谱为Sj＝(sj1,sj2,sj3,...,sjn)，该判据计算如下：
[0052]
[0053] 式中，为 对于含有410个波段的光谱，当每个波段的反射率值相等时，光谱自信量取得最大值(6.0162)，所有波段几乎不提供任何样本诊断特征信息。当光谱自信息量越小，增强方法效果越好。如表4所示波动光谱具有更小的光谱自信息量，本发明特征增强效果更好，对于光谱匹配精度的提高更加有效。
[0054] 表1原始光谱光谱角度
[0055]
[0056] 表2去包络线光谱角度
[0057]
[0058] 表3波动光谱光谱角度
[0059]
[0060] 表4光谱自信息量
[0061]
[0062] 黑体数值代表光谱相似性测量方法中较小的SI值。
[0063] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
