1.一种基于光谱掩码驱动背景学习的高光谱图像目标检测方法,其特征在于,包括如下步骤:(1)从高光谱图像库中选取了一张尺寸为的待检测高光谱图像以及其需检测目标所具有的真实光谱向量,其中和分别代表图像的宽和高,代表图像的波段数,和均为大于0的正整数,为大于等于100的正整数;
(2)对高光谱图像进行背景样本筛选,从个像素点中选取个高置信度背景像元作为训练样本;
(3)对训练样本中每个像元的光谱的每个波段进行邻域光谱均值掩码操作,其中,将像元包含的任意每一个波段替换成其3邻域内光谱波段的均值,计算方法如下:,其中表示经过邻域光谱均值掩码之后的结果,表示取均值操作,对中每个像元进行所述邻域光谱均值掩码操作得到掩码训练样本;
(4)构建一个由两个自编码器网络AE1和AE2构成的背景学习网络;
(5)使用和分别对自编码器网络AE1和AE2进行联合迭代训练,其损失函数为最小均方误差函数,得到训练好的自编码器网络AE1;
(6)将待检测高光谱图像输入到训练好的自编码器AE1,得到重构高光谱图像输出,计算和中每个对应位置像元和的之间的光谱角,得到个光谱角值,其中:,
其中,表示取反余弦操作,表示转置操作,将这个光谱角值作为初步检测结果;
(7)根据背景弱检测特性,构建均方非线性背景滤波器,将初步检测结果中的每个元素输入到均方非线性背景滤波器中进行背景抑制,所述均方非线性背景滤波器的实现如下:,
其中,为均方非线性背景滤波器的可调节参数,为所述步骤(6)得到初步检测结果中每个像素点的初步检测结果;最终得到背景良好抑制的最终检测结果。
2.根据权利要求1所述的基于光谱掩码驱动背景学习的高光谱图像目标检测方法,其特征在于,所述步骤(2)中选取个高置信度背景像元作为训练样本,使用双窗口检测器和计算光谱角实现,其实现如下:(2a)在中以每个像元为中心,构建两个不同大小的同心方形窗口,其中内窗口大小为,外窗口大小为,将两个窗口之间的像元取出,记为:,
其中,表示取出的像元个数,表示取出的像元;
(2b)计算上述取出的像元与先验目标光谱向量的光谱角,计算方式如下:;
(2c)将所有的像元取出作为像元邻域内的高置信度背景像元,将这些像元记为;
(2d)对中所有的像元重复上述(2a)-(2c),得到所有像素点的邻域背景像元;
(2e)对上述得到的使用去重函数,去除中存在的重复背景像元得到不重复的背景像元训练样本集。
3.根据权利要求1所述的基于光谱掩码驱动背景学习的高光谱图像目标检测方法,其特征在于,所述步骤(4)中构建一个由两个自编码器网络AE1和AE2构成的背景学习网络,AE1和AE2结构相同,均由编码网络和与其连接的解码网络构成,其中,AE1的解码器网络和AE2的解码器网络彼此共享权重;编码器网络包含输入层、全连接层和输出层组成,输入层的节点数与待测高光谱图像波段数相等,全连接层节点数等于256,输出层节点数等于128;解码器网络包含输入层、全连接层和输出层,其结构与编码器结构对称,输入层维度等于128,全连接层维度等于256,输出层维度等于。
4.根据权利要求1所述的基于光谱掩码驱动背景学习的高光谱图像目标检测方法,其特征在于,所述步骤(5)中使用和分别作为自编码网络AE1和AE2的输入进行同时迭代训练,其实现如下:(5a)设置当前模型训练的轮数为,训练总轮数为,并设置;
(5b)将背景训练样本集中的样本作为自编码器AE1的输入,经过编码器和解码器后,得到编码器输出和解码器输出;同时将背景训练样本集中的样本作为自编码器AE2的输入,经过编码器和解码器后,得到编码器输出和解码器输出;
(5c)按照如下损失函数计算公式分别计算自编码器AE1和AE2在本轮训练的损失值:,
,
,
其中,是自编码器AE1的重构损失值,是自编码器AE2将掩码后光谱样本恢复成掩码前光谱样本时的恢复损失值,是两个自编码器AE1和AE2中编码器输出之间的相似性损失值,表示取二范数操作;
(5d)利用Adam优化器以及反向传播算法,更新自编码器AE1和自编码器AE2中神经元节点权重,使得网络总损失不断降低并趋近于0;
(5e)判断当前训练轮数是否等于总的训练轮数:
若是,则停止训练,得到训练好的自编码器AE1,并保存;
否则,令,返回(5b)。