1.高光谱图像噪声检测评估方法,其特征在于,所述方法包括:
利用改进的线性迭代聚类方法对初始高光谱图像进行超像素分割处理,得到多个超像素子块;
计算任两个超像素子块的光谱反射率序列的去趋势互相关系数,得到去趋势互相关系数矩阵;去趋势互相关系数矩阵包含多个不同预设尺度下的去趋势互相关系数,去趋势互相关系数用于度量两个光谱反射率序列在同一预设尺度时的相关性强弱;
基于去趋势互相关系数矩阵的逆矩阵,计算任两个超像素子块的光谱反射率的第一去趋势偏互相关系数,得到第一去趋势偏互相关系数矩阵;第一去趋势偏互相关系数矩阵包含多个不同预设尺度下的第一去趋势偏互相关系数,第一去趋势偏互相关系数用于评估两个光谱反射率在同一预设尺度时的真实相关性;
根据随机生成的多个高斯白噪声序列,计算任两个高斯白噪声序列的第二去趋势偏互相关系数,得到第二去趋势偏互相关系数矩阵;第二去趋势偏互相关系数用于评估两个高斯白噪声序列在同一预设尺度时的真实相关性;对第二去趋势偏互相关系数矩阵进行谱分解处理,得到多个不同预设尺度下的噪声序列特征值范围;
对第一去趋势偏互相关系数矩阵进行谱分解处理,并以噪声序列特征值范围作为参照值,计算得到去噪后的目标去趋势偏互相关系数矩阵以及每个超像素子块的噪声比例,以后续进行高光谱图像分析。
2.根据权利要求1所述的高光谱图像噪声检测评估方法,其特征在于,所述利用改进的线性迭代聚类方法对初始高光谱图像进行超像素分割处理,得到多个超像素子块中的线性迭代聚类方法,包括:基于原始高光谱图像和第一预设距离,得到若干个第一聚类中心点;
以若干个第一聚类中心点为中心,基于第二预设距离,搜索得到每个第一聚类中心点的邻域范围;
计算每个邻域范围内每个邻近像素点与归属的第一聚类中心点的聚类距离;
根据聚类距离和距离最小原则,判断每个邻近像素点归属的第一聚类中心点;
基于归属相同的第一聚类中心点的所有像素点的均值,重新计算得到第二聚类中心点;
以第二聚类中心点作为新的第一聚类中心点,多次迭代得到目标聚类中心点。
3.根据权利要求2所述的高光谱图像噪声检测评估方法,其特征在于,所述计算每个邻域范围内每个邻近像素点与归属的第一聚类中心点的聚类距离,包括:基于第一聚类中心点的光谱向量、邻近像素点的光谱向量、光谱向量相关系数和欧式距离,得到每个邻域范围内每个邻近像素点与归属的第一聚类中心点的光谱距离;
基于第一聚类中心点的坐标和邻近像素点的坐标,得到每个邻域范围内每个邻近像素点与归属的第一聚类中心点的空间距离;
将光谱距离和空间距离进行加权处理,得到每个邻域范围内每个邻近像素点与归属的第一聚类中心点的聚类距离。
4.根据权利要求1所述的高光谱图像噪声检测评估方法,其特征在于,定义任两个超像素子块的光谱反射率序列为第一光谱反射率序列和第二光谱反射率序列;
所述计算任两个超像素子块的光谱反射率序列的去趋势互相关系数,得到去趋势互相关系数矩阵,包括:基于多个预设尺度,得到第一光谱反射率序列的第一局部趋势序列以及第二光谱反射率序列的第二局部趋势序列;
基于多个预设尺度、第一局部趋势序列和第二局部趋势序列,得到与第一光谱反射率序列有关的第一方差波动函数、与第二光谱反射率序列有关的第二方差波动函数以及与第一光谱反射率序列、第二光谱反射率序列有关的第三协方差波动函数;
对第一方差波动函数和第二方差波动函数相乘,并对结果取平方根,得到中间运算结果;计算第三协方差波动函数和中间运算结果的比值,得到多个不同预设尺度下的去趋势互相关系数;
对得到的多个不同预设尺度下的去趋势互相关系数构建相关系数矩阵,得到去趋势互相关系数矩阵。
5.根据权利要求4所述的高光谱图像噪声检测评估方法,其特征在于,所述多个预设尺度包含第一预设尺度;
所述基于多个预设尺度,得到第一光谱反射率序列的第一局部趋势序列以及第二光谱反射率序列的第二局部趋势序列,包括:计算得到第一光谱反射率序列的第一累计离差序列以及第二光谱反射率序列的第二累计离差序列;
将第一累计离差序列和第二累计离差序列分别等分成多个重叠的第一预设尺度长度的子区间;
在每个子区间内,利用最小二乘法拟合数据得到局部趋势序列,局部趋势序列包含第一光谱反射率序列的第一局部趋势序列以及第二光谱反射率序列的第二局部趋势序列。
6.根据权利要求5所述的高光谱图像噪声检测评估方法,其特征在于,所述基于多个预设尺度、第一局部趋势序列和第二局部趋势序列,得到与第一光谱反射率序列有关的第一方差波动函数、与第二光谱反射率序列有关的第二方差波动函数以及与第一光谱反射率序列、第二光谱反射率序列有关的第三协方差波动函数,包括:基于第一预设尺度、第一累计离差序列和第一局部趋势序列,计算得到与第一光谱反射率序列有关的第一方差波动函数;
基于第一预设尺度、第二累计离差序列和第二局部趋势序列,计算得到与第二光谱反射率序列有关的第二方差波动函数;
基于第一预设尺度、第一累计离差序列、第一局部趋势序列、第二累计离差序列和第二局部趋势序列,计算得到与第一光谱反射率序列、第二光谱反射率序列有关的第三协方差波动函数。
7.根据权利要求1所述的高光谱图像噪声检测评估方法,其特征在于,定义任两个超像素子块的光谱反射率为第一光谱反射率和第二光谱反射率;
所述基于去趋势互相关系数矩阵的逆矩阵,计算任两个超像素子块的光谱反射率的第一去趋势偏互相关系数,得到第一去趋势偏互相关系数矩阵,包括:从去趋势互相关系数矩阵的逆矩阵中,取得同一预设尺度下的与第一光谱反射率有关的第一逆矩阵元素、与第二光谱反射率有关的第二逆矩阵元素以及第一光谱反射率、第二光谱反射率有关的第三逆矩阵元素;
基于第一逆矩阵元素、第二逆矩阵元素和第三逆矩阵元素,计算得到任两个超像素子块的光谱反射率在多个不同预设尺度下的第一去趋势偏互相关系数;
对得到的多个不同预设尺度下的第一去趋势偏互相关系数构建相关系数矩阵,得到第一去趋势偏互相关系数矩阵。
8.根据权利要求7所述的高光谱图像噪声检测评估方法,其特征在于,所述对第一去趋势偏互相关系数矩阵进行谱分解处理,并以噪声序列特征值范围作为参照值,计算得到去噪后的目标去趋势偏互相关系数矩阵以及每个超像素子块的噪声比例,包括:对第一去趋势偏互相关系数矩阵,在不同预设尺度下进行谱分解处理,得到每个预设尺度下的偏相关矩阵特征值;
以噪声序列特征值范围作为参考值,去除噪声序列特征值范围内的偏相关矩阵特征值和对应的特征向量,得到目标去趋势偏互相关系数矩阵;
计算落入噪声序列特征值范围内的偏相关矩阵特征值与全部特征值的比值,得到每个超像素子块的噪声比例。
9.高光谱图像噪声检测评估系统,其特征在于,所述系统包括:
超像素分割模块,用于利用改进的线性迭代聚类方法对初始高光谱图像进行超像素分割处理,得到多个超像素子块;
去趋势互相关运算模块,用于计算任两个超像素子块的光谱反射率序列的去趋势互相关系数,得到去趋势互相关系数矩阵;去趋势互相关系数矩阵包含多个不同预设尺度下的去趋势互相关系数,去趋势互相关系数用于度量两个光谱反射率序列在同一预设尺度时的相关性强弱;
去趋势偏互相关运算模块,用于基于去趋势互相关系数矩阵的逆矩阵,计算任两个超像素子块的光谱反射率的第一去趋势偏互相关系数,得到第一去趋势偏互相关系数矩阵;第一去趋势偏互相关系数矩阵包含多个不同预设尺度下的第一去趋势偏互相关系数,第一去趋势偏互相关系数用于评估两个光谱反射率在同一预设尺度时的真实相关性;
噪声特征值运算模块,用于根据随机生成的多个高斯白噪声序列,计算任两个高斯白噪声序列的第二去趋势偏互相关系数,得到第二去趋势偏互相关系数矩阵;第二去趋势偏互相关系数用于评估两个高斯白噪声序列在同一预设尺度时的真实相关性;对第二去趋势偏互相关系数矩阵进行谱分解处理,得到多个不同预设尺度下的噪声序列特征值范围;
比对及去噪模块,用于对第一去趋势偏互相关系数矩阵进行谱分解处理,并以噪声序列特征值范围作为参照值,计算得到去噪后的目标去趋势偏互相关系数矩阵以及每个超像素子块的噪声比例,以后续进行高光谱图像分析。
10.电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,实现如权利要求1至8任一项所述的高光谱图像噪声检测评估方法。