针对目前应用Savitzky-Golay(SG)滤波器进行高光谱图像滤波过程中空间信息无法利用, 造成小麦赤霉病高光谱分类识别模型精度仅能达到87.088 9%的问题, 提出高光谱图像空-谱维联合SG滤波(TSG滤波)的方法, 使模型精度相比采用SG滤波提升了12.066 7%。 该算法将一维的SG卷积核按四个方向扩展成二维的SG卷积核, 根据卷积定理利用快速傅里叶变换对高光谱图像数据进行空间及光谱维联合快速滤波。 设置TSG滤波核窗口系数m=2~4, 阶数n=3~5, 滤波后图像信噪比提升了10%以上、 峰值信噪比高于30 db、 结构相似度大于96%, TSG滤波能保持原图特征并显著提升图像信噪比。 对比Pavia University高光谱图像经TSG滤波(m=3, n=4)、 SG滤波(m=7, n=3)后的灰度图像与光谱图, 可以看出TSG滤波后图像条带噪声得到了抑制、 特征峰相对峰值高度最高提升31.68%、 特征波段平均强度提升41.83%, 而SG滤波后图像条带噪声依然清晰且特征峰相对峰值高度至少降低了13.40%。 构建基于TSG-PCA-SVM算法的小麦赤霉病高光谱分类识别模型, 训练集包含500个样本点, 测试集包含4500个样本点, 模型测试集分类精度高达99.155 6%、 卡帕系数0.983 613, 对于小麦高光谱数据集中全部116 880个样本点的总分类精度高达99.206 0%。 经TSG滤波后分类模型精度高、 一致性好, 分类精度相较于SG滤波后的87.088 9%获得了显著提升。 综上所述, 该研究为高光谱图像滤波提供了一种新的思路, 为小麦赤霉病高光谱识别系统构建提供了参考与依据。
SG滤波器 高光谱图像 主成分分析 支持向量机 分类识别 Savitzky-Golay filter Hyperspectrum image Principal components analysis Support vector machine Recognition 光谱学与光谱分析
2020, 40(12): 3699
1 中国科学院西安光学精密机械研究所,西安 710119
2 中国科学院研究生院，北京 100049
针对大孔径静态干涉成像光谱仪的成像特点，提出了一种基于三维小波变换的3DSPIHT算法结合ROI的图像压缩方案.对干涉高光谱图像序列进行了三维非对称离散小波变换.采用ROI方法对主要的光谱系数进行提升，以保护光谱信息.最后，对3DSPIHT算法进行改进，以有效编码干涉高光谱图像的小波变换系数.实验结果表明，该方法在8:1压缩比下可获得大于40 dB的峰值信噪比，同时有效地保护了光谱信息.
高光谱图像压缩 三维离散小波变换 Hyperspectrum image compression 3D-DWT 3DSPIHT 3DSPIHT ROI ROI
