一种高光谱波段选择方法、系统、滤波轮制作方法和装置

技术领域

本发明涉及高光谱遥感技术领域，具体而言，涉及一种高光谱波段选择方法、系统、滤波轮制作方法和装置。

背景技术

高光谱成像技术是一种先进的多维遥感探测技术，与传统的红绿蓝三波段组合图像(RGB)相比，高光谱图像在提取目标空间纹理信息的同时还可以获取高维的光谱特征，因此能够更好的表征目标的理化特性以进行识别探测。

高光谱成像可以简单地理解为,将高光谱遥感设备获取的同一空间位置的电磁波通过色散棱镜等设备使不同频率的电磁波彼此分离开来,并按频率顺序将电磁波能量记录下来的过程。高光谱成像技术以电磁波谱分析和成像光谱学为基础，其中，电磁波谱分析研究各种物质的发射、反射和吸收电磁波能量的特性。成像光谱学研究电磁波按着谱系对不同频率的电磁波能量进行记录的规律。

高光谱图像数据的记录形式是数据立方体,该数据立方体的每一层表示特定频率范围下的电磁波能量(像素值)的记录结果,也就是在一定光谱波段内记录下来的图像。生活中常见的自然图像记录了三个波段的能量信息,即红、绿、蓝三个波段。高光谱图像记录了更多的波段信息,突破了用颜色代表波段的局限。

如果在某个目标的高光谱图像中取出每一层图像中对应的同一像素,使其构成一个观测向量,那么这个向量的分量则是按频率(波段)的顺序排列。如果在一定频率(波段)范围内能够取出大量的微小频率区间,这样将得到一条近似连续的光谱曲线根据光谱分析技术,不同的光谱曲线反映不同的地物类型,这就为后续地物辨识提供了可利用信息。一般地,高光谱成像光谱分辨率为小于10nm,进而在观测电磁谱段内可以获取同一观测场景几十个甚至上百个不同光谱波段图像。

由于高光谱图像一般光谱分辨率都在10nm以内，光谱波段数上百个，因而成像设备普遍成本偏高，巨量的波段数及其相互之间存在的紧密内相关性对目标识别探测带来了较大的挑战。最明显的表现是“维数灾难”，即维度越高，信息量越大，应用效果反而会进一步退化。因此，如何适当的针对待检测目标光谱特征去除冗余探测波段，进而提升检测效果，对目标的高效探测与识别具有显著的应用价值。

异常检测是高光谱图像领域常用的一种目标检测方法，也是当下研究的热点，目前最常用的异常检测方法有睿德(Reed)和于晓立发明的睿德-于晓立(Reed-Xiaoli Yu，简称RX)方法，还有基于光谱混合模型的低概率检测(Law Probability Detection,简称LPD)方法等，其中RX方法使用最为广泛。RX异常检测算法假设光谱数据服从高斯分布，通过计算每个像元的光谱向量与各个背景均值之间的马氏距离来判断异常点的存在，进而实现目标的视觉增强或者识别检测任务。

然而在实际应用过程中，RX方法以及相关的改进算法虽然对于高光谱图像有一定的检测效果，但却对高光谱目标的表征能力较差，数据冗余严重，算法效率以及效果有待提升。尤其使用全波段光谱数据对于特定目标检测效果，因为缺乏波段分析以及针对性降维，检测效果较差。因而，基于该现有方法制作的滤波轮以及成像检测装置，其光谱检测效率以及装置性价比都十分不理想。

发明内容

本发明的目的在于克服现有技术缺陷，且提供了一种高光谱波段选择方法、系统、滤波轮制作方法和装置。

本发明提供的一种高光谱波段选择方法，其技术方案如下：

一种高光谱波段选择方法，包括如下步骤：

S1、确定滤波通道数C，并通过高光谱遥感设备获取包含有检测目标信息的高光谱数据S；

S2、使用光谱角匹配的方法对所述高光谱数据S进行信息标注，使所述高光谱数据S划分为背景和目标；

S3、通过预设的聚类总类别数k，对所述高光谱数据S的波段使用稀疏子空间聚类方法进行聚类，在每一族中选出距离该族的质心最近的波段，生成光谱波段集合G；

S4、根据所述步骤S1所确定的滤波通道数C，从所述光谱波段集合G中取出C个元素进行组合，将每一种组合方式形成的集合作为一个波段组合子集，进而形成由所述波段组合子集作为元素的集簇Q；

S5、计算各个所述波段组合子集中，基于各个波段的图像中所述目标形成的目标像素强度均值向量U与基于各波段的图像中所有像素所形成的总体像素强度均值向量D的马氏距离d；

S6、在所有所述波段组合子集中，选择所述目标像素强度均值向量U与所述总体像素强度均值向量D的马氏距离d最大的波段组合Qm作为多光谱波段数据，据此完成高光谱波段选择。

采用上述技术方案，与现有技术相比，本发明所提供的技术方案至少可以带来的有益效果有：在获取包含有检测目标信息的高光谱数据S后，依次对光谱数据S进行背景和目标分离、按波段聚类、组合出多个波段组合子集，最后求出各个波段的图像中目标的像素强度均值与该波段的图像中所有像素点像素强度均值的马氏距离，从而选择出优质波段，实现了在光谱图像异常检测前，通过将谱段筛选的评价准则与RX异常检测计算方式进行统一建模，以马氏距离作为约束，筛选出目标与背景对比度差异性大、背景抑制效果明显的波段组合，大大提升了RX算法的检测性能，减小了计算量，提升了检测效率，解决了现有技术存在的，对高光谱目标的表征能力较差，数据冗余严重，算法效率以及效果有待提升的技术问题。尤其是使用全波段光谱数据对于特定目标检测方面，其检测效果也明显改良。

作为优选，所述步骤S2包括如下步骤：

S21、在所述步骤S1所获的高光谱数据S中，随机标注n个目标像素点，之后计算这些像素点的光谱向量均值，获得相应的目标光谱均值向量

S22、计算所述高光谱数据S中所有像素点分别与所述目标光谱均值向量

S23、根据所述步骤S1所获检测目标信息的特点，设置光谱角阈值T，将光谱角小于所述光谱角阈值T的像素点所在区域作为为目标，光谱角大于所述光谱角阈值T的像素点所在区域作为背景；

进而在以数据立方体(张量)形式表现的高光谱数据G上，实现光谱角匹配的方法的信息标注，使每一波段的图像中均实现目标与背景分离，为后期计算所需各个波段的图像中目标的像素强度均值与该波段的图像中所有像素点像素强度均值的马氏距离做好预备。

作为优选，所述步骤S3包括如下步骤：

S31、将所述高光谱数据S从数据立方体转换为二维波段数据Y，其中，Y∈R

S32、利用最小二乘法求解如下优化问题：

s.t.diag(Γ)＝0，

其中，Γ∈R

S33、通过角相似测量找到波段相似度矩阵W，其中，所述波段相似矩阵W的(i，j)元

1≤i，j≤M，Z

S34、通过预设的聚类总类别数k，使用谱聚类的方法对所述波段相似度矩阵W进行聚类，而后将每一类所涉及的波段划为一族，进而得到包含了k个簇，而每个簇为一族相似高光谱波段的波段聚类集族SC；

S35、分别计算所述波段聚类集族SC中，各个族的质心，找出各个族中距离该族的质心距离最近的波段，据此生成所述光谱波段集合G；

通过数据降维，而后构建函数f(Γ)，其中，

利用约束条件，

diag(Γ)＝0，

使用最小二乘法获得函数f(Γ)的极小值对应的原像Z，原像Z便是稀疏表示矩阵，随后通过相似度矩阵实现聚类，最终获得光谱波段集合G，进而实现了在使用全波段光谱数据对于特定目标检测时，克服了因为缺乏波段分析以及针对性降维导致检测效果较差的技术问题。

作为优选，所述步骤S5包括如下步骤：

S51、通过计算各个波段组合子集中，各个波段所对应的图像中所述目标的像素强度均值，形成所述目标像素强度均值向量U；

S52、通过计算各个波段组合子集中，各个波段所对应的图像中所有像素的像素强度均值，形成所述总体像素强度均值向量D；

S53、通过计算各个波段组合子集中，各个波段所对应的协方差矩阵Σ，结合所述步骤S51所获得的目标像素强度均值向量U和所述步骤S52所获得的总体像素强度均值向量D，得到所述目标像素强度均值向量U与所述总体像素强度均值向量D的马氏距离d。

进而求出了所需的马氏距离，为实现波段优选提供依据。

本发明提供的一种高光谱波段选择系统，其技术方案如下：

一种高光谱波段选择系统，基于本发明技术方案所提供的高光谱波段选择方法，包括：

高光谱遥感设备，用于获取包含有检测目标信息的高光谱数据S；

目标提取模块，用于对所述高光谱数据S的目标信息进行标注，分离背景和目标；

聚类模块，用于根据预设的聚类总类别数k对所述高光谱数据S的波段进行聚类，生成光谱波段集合G；

组合模块，用于根据预设滤波通道数C，从所述光谱波段集合G中取出C个元素进行组合，且将每一种组合方式形成的集合作为一个波段组合子集，形成多个波段组合子集；

距离计算模块，用于计算各个所述波段组合子集中，基于各个波段的图像中所述目标形成的目标像素强度均值向量U与基于各波段的图像中所有像素所形成的总体像素强度均值向量D的马氏距离d；

波段选择输出模块，用于在所有波段的图像中，选择所述目标像素强度均值向量U与所述总体像素强度均值向量D的马氏距离d最大的波段组合Q

其中，

所述目标提取模块与所述高光谱遥感设备通信，所述聚类模块与所述目标提取模块通信，所述组合模块与所述聚类模块通信，所述距离计算模块与所述组合模块通信，所述波段选择输出模块与所述距离计算模块通信。

采用上述技术方案，与现有技术相比，本发明所提供的技术方案至少可以带来的有益效果有：对于某个目标图像来说，首先通过高光谱遥感设备获取包含有检测目标信息的高光谱数据S，而后依次通过目标提取模块进行背景和目标的分离、通过聚类模块对波段聚类生成光谱波段集合G、通过组合模块形成多个波段组合子集、通过距离计算模块计算马氏距离和选出最优波段，实现了筛选出目标与背景对比度差异性大、背景抑制效果明显的波段组合，大大提升了检测性能，减少了系统运行时间，提升了检测效率，进而解决了现有技术存在的，对高光谱目标的表征能力较差，数据冗余严重，算法效率以及效果有待提升的技术问题。尤其是使用全波段光谱数据对于特定目标检测方面，其检测效果也明显改良。

作为优选，所述目标提取模块包括：

光谱向量均值计算单元，用于在所述高光谱数据S中，随机标注n个目标像素点，之后计算这些像素点的光谱向量均值，获得相应的目标光谱均值向量

光谱角计算单元，用于计算所述高光谱数据S中所有像素点分别与所述目标光谱均值向量

目标确定单元，用于设定光谱角阈值T，并将光谱角小于所述光谱角阈值T的像素点所在区域作为为目标，光谱角大于所述光谱角阈值T的像素点所在区域作为背景；

其中，

所述光谱向量均值计算单元与所述高光谱遥感设备通信，所述光谱角计算单元与所述光谱向量均值计算单元通信，所述目标确定单元与所述光谱角计算单元通信；

进而达到合理且快速有效地分离背景和目标的有益效果。

作为优选，所述聚类模块包括：

转换单元，用于将所述高光谱数据S从数据立方体转换为二维波段数据Y；

稀疏表示构建单元，用于构建波段向量之间的稀疏表示矩阵Z；

相似度矩阵构建单元，用于构建描述所述波段向量之间相似性的波段相似度矩阵W；

波段聚类单元，用于对所述波段相似度矩阵W进行聚类，而后将每一类所涉及的波段划为一族，进而得到包含了多个簇，而每个簇为一族相似高光谱波段的波段聚类集族SC；

光谱波段集合生成单元，用于分别计算所述波段聚类集族SC中，各个族的质心，找出各个族中距离该族的质心距离最近的波段，据此生成所述光谱波段集合G；

其中，

所述转换单元与所述目标确定单元通信，所述稀疏表示构建单元与所述转换单元通信，所述相似度矩阵构建单元与所述稀疏表示构建单元通信，所述波段聚类单元与所述相似度矩阵构建单元通信，所述光谱波段集合生成单元与所述波段聚类单元通信，所述组合模块与所述光谱波段集合生成单元通信；

从而能够对高光谱数据S的波段有效进行聚类，并在每一族中选出距离该族的质心最近的波段，生成光谱波段集合G。

作为优选，所述距离计算模块包括：

目标像素强度均值向量计算单元，用于计算各个波段组合子集中，各个波段所对应的图像中所述目标的像素强度均值，形成所述目标像素强度均值向量U；

总体像素强度均值向量计算单元，用于计算各个波段组合子集中，各个波段所对应的图像中所有像素的像素强度均值，形成所述总体像素强度均值向量D；

马氏距离形成单元，用于计算各个波段组合子集中，各个波段所对应的协方差矩阵Σ，得到所述目标像素强度均值向量U与所述总体像素强度均值向量D的马氏距离d；

其中，

所述目标像素强度均值向量计算单元与所述组合模块通信，所述总体像素强度均值向量计算单元与所述目标像素强度均值向量计算单元通信，所述马氏距离形成单元与所述总体像素强度均值向量计算单元通信，所述波段选择输出模块与所述马氏距离形成单元通信；

从而实现快速且准确地获得目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d。

本发明提供的一种目标高光谱特征提取的滤波轮制作方法，其技术方案如下：

一种目标高光谱特征提取的滤波轮制作方法，基于本发明技术方案所提供的高光谱波段选择方法，或基于本发明技术方案所提供的高光谱波段选择系统，包括如下步骤：

T1,、制作出滤波轮本体，并在所述滤波轮本体上呈环绕式分布设置C个滤波通道；

T2、通过本发明技术方案所提供的高光谱波段选择方法获得波段组合Q

T3、根据所述步骤T2获得的所述波段组合Q

采用上述技术方案，与现有技术相比，本发明所提供的技术方案至少可以带来的有益效果有：因为该滤波轮制作方法基于本发明技术方案所提供的高光谱波段选择方法，或基于本发明技术方案所提供的高光谱波段选择系统，由于二者均为在提升RX异常检测算法性能的同时快速高效的计算出针对特定目标的最佳检测波段组合，从而，针对特定目标，无论在步骤T2通过基于方法还是系统定制多光谱滤波轮，均能够大大提升光谱检测效率以及装置性价比，具有定制化、高精度的优点。

本发明提供的一种目标多光谱成像探测装置，其技术方案如下：

一种目标多光谱成像探测装置，包括：

滤波轮；

转动机构，用于驱动所述滤波轮转动；

成像探测器，用于接收所述滤波轮获取的，关于被检测对象在不同波段下的影像；

控制模块，用于控制所述转动机构旋转以及所述成像探测器影像采集，同时对采集的图像进行实时处理，实现目标检测功能；

其中，

所述滤波轮通过本发明技术方案所提供的目标高光谱特征提取的滤波轮制作方法制作而成；

所述控制模块分别与所述转动机构和所述成像探测器电连接。

采用上述技术方案，与现有技术相比，本发明所提供的技术方案至少可以带来的有益效果有：通过基于本发明技术方案所提供的目标高光谱特征提取的滤波轮制作方法制作而成的滤波轮，该滤波轮针对特定目标，使得该多光谱成像探测装置与现有成像探测装置相比，大大提升光谱检测效率以及装置性价比，具有定制化、高精度的优点。

作为优选，所述控制模块包括：

转动机构控制装置、用于控制所述转动机构驱动所述滤波轮旋转；

影像采集控制装置，用于控制所述成像探测器影像采集，同时对采集的图像进行实时处理，实现目标检测功能；

其中，

所述转动机构控制装置与所述转动机构电连接，所述影像采集控制装置与所述成像探测器电连接；

这样有效地实现对于转动机构旋转的控制和实现对于成像探测器影像采集的控制，进而通过成像探测器对采集的图像进行实时处理，实现目标检测功能。

附图说明

图1为本发明实施例中包含有检测目标信息的高光谱图像；

图2为本发明实施例中的一种高光谱波段选择方法流程图；

图3为本发明实施例中一种高光谱波段选择方法步骤S2流程图；

图4为本发明实施例中一种高光谱波段选择方法步骤S3流程图；

图5为本发明实施例中一种高光谱波段选择方法步骤S6流程图；

图6为本发明实施例中一种高光谱波段选择系统结构示意图；

图7为本发明实施例一中一种目标高光谱特征提取的滤波轮制作方法流程图；

图8为本发明实施例二中一种目标高光谱特征提取的滤波轮制作方法流程图；

图9为本发明实施例的一种目标多光谱成像探测装置结构示意图；

图10为本发明实施例中控制模块结构示意图；

图11为本放实施例中关于目标指挥所的检测结果。

其中，图中所标注的数字分别代表：1、被检测对象：2、滤波轮：3、转动机构：4、成像探测器：5、控制模块：51、转动机构控制装置；52、影像采集控制装置。

具体实施方式

下面将结合本发明实施例中的附图，采用两个实施例，对本发明的技术方案进行清楚、完整地描述。

实施例一

本发明实施例提供的一种高光谱波段选择方法，包括如下步骤：

S1、随机确定滤波通道数C，并通过高光谱遥感设备获取包含有检测目标信息的高光谱数据S；

众所周知，一个高光谱图像形成的高光谱数据为一张量，该张量的阶数为这个高光谱图像所含波段总数，高光谱数据可以表现为数据立方体。本实施例采用的高光谱遥感设备为光谱仪，通过光谱仪采集了包含有检测目标信息的高光谱数据S，该高光谱数据S为长度为s，高度为t，波段数为M的数据立方体，因而该高光谱数据S的像素总数为：

N＝s×t， (1)

高光谱数据S为M阶张量，其表示如下；

其中,

此处为将光谱仪中所有可见光波段按中心波长从小到大的顺序排列，将中心波长最小的波段称为第1(级)波段，进而

S2、使用光谱角匹配的方法对高光谱数据S进行信息标注，使高光谱数据S划分为背景和目标；

在本实施例中，步骤S2包括如下步骤：

S21、在步骤S1所获的高光谱数据S中，随机标注n个目标像素点，之后计算这些像素点的光谱向量均值，获得相应的目标光谱均值向量

不妨将这n个像素点的光谱向量记作S

S22、计算所述高光谱数据S中所有像素点分别与目标光谱均值向量

本实施例中，第i行，第j列的像素点，其光谱向量S

其中，

S23、根据所述步骤S1所获检测目标信息的特点，设置光谱角阈值T，将光谱角小于所述光谱角阈值T的像素点所在区域作为为目标，光谱角大于所述光谱角阈值T的像素点所在区域作为背景。

本实施例设置光谱角阈值T，小于T的像素点为目标区域，像素强度设置为0，大于T的像素点为背景区域，像素强度设置为1。

S3、通过预设的聚类总类别数k，对高光谱数据S的波段使用稀疏子空间聚类方法进行聚类，在每一族中选出距离该族的质心最近的波段，生成光谱波段集合G；

本实施例中，步骤S3包括如下步骤：

S31、将高光谱数据S从数据立方体转换为二维波段数据Y，其中，Y∈R

作为一种实施，对于(2)式的光谱数据S，将其转换为二维波段数据Y，Y可表示为：

对于(5)式，注意到，

因此，

结合(1)式，故Y为一N×M矩阵，该矩阵的第i列就为第i波段向量，为同一波段图像中所有像素强度，其中，1≤i≤M。

S32、利用最小二乘法求解如下优化问题：

s.t.diag(Γ)＝0，

其中，Γ∈R

具体的，通过构建函数f(Γ)，其中，

利用约束条件，

diag(Γ)＝0，

使用最小二乘法获得函数f(Γ)的极小值对应的原像Z，原像Z便是稀疏表示矩阵，其中，

Z＝(Z

Z

S33、通过角相似测量找到波段相似度矩阵W，其中，波段相似矩阵W的(i，j)元

1≤i，j≤M，Z

至此便得到波段相似度矩阵W，

S34、通过预设的聚类总类别数k，使用谱聚类的方法对波段相似度矩阵W进行聚类，而后将每一类所涉及的波段划为一族，进而得到包含了k个簇，而每个簇为一族相似高光谱波段的波段聚类集族SC；

为了让读者容易理解，不妨令k＝10，关于矩阵谱聚类方法，读者可参看梅长林，范金城编著的(数据分析方法)，书中的189页-197页有详细描述，此处不再论述。

将波段相似度矩阵W进行聚类后，获得k个类，由于波段相似矩阵W的(i，j)元

S35、分别计算波段聚类集族SC中，各个族的质心，找出各个族中距离该族的质心距离最近的波段，据此生成所述光谱波段集合G。

具体的，步骤S34获得波段聚类集族SC，其中的各个族均为以波段为元素的集合，波段则以波段中心波长(单位：nm)表示。根据集合质心的定义，可得各个族的质心，随后找出各个族中距离该族的质心距离最近的波段，据此生成所述光谱波段集合G，其中，G＝{g

S4、根据所述步骤S1所确定的滤波通道数C，从光谱波段集合G中取出C个元素进行组合，将每一种组合方式形成的集合作为一个波段组合子集，进而形成由所述波段组合子集作为元素的集簇Q；

光谱波段集合G有k个元素，从光谱波段集合G中取出C个元素进行组合，其组合数为

S5、计算各个波段组合子集中，基于各个波段所对应的图像中目标所形成的目标像素强度均值向量U与基于各波段的图像中所有像素所形成的总体像素强度均值向量D的马氏距离；

在本实施例中，步骤S5包括如下步骤：

S51、计算各个波段组合子集中，各个波段所对应的图像中目标的像素强度均值，形成目标像素强度均值向量U；

具体的，假设某个波段组合子集表示如下：

{g

该集合中每一个元素均为一个波段,在光谱数据S中所对应的波段级数分别为g1，g2，...，gC，进而所对应的波段向量为别为：

就步骤S51，由于已通过步骤S2将每一个波段向量的像素区分为目标和背景，而(8)式中每一波段向量中的分量均为相应波段图像的像素强度，属于目标或背景，而且目标已通过步骤S2所标记，进而可在(8)式中每一个波段向量中找到相应的目标像素强度，求出每一个波段图像(向量)目标像素强度的平均值，分别记作

在本实施例中，目标的像素强度已被标记为0，进而向量U为零向量。

S52、计算各个波段组合子集中，各个波段所对应的图像中所有像素的像素强度均值，形成总体像素强度均值向量D；

结合(8)式，波段gi所对应的图像中所有像素的像素强度均值为；

1≤i≤C，进而得到总体像素强度均值向量D如下：

S53、计算各个波段组合子集中，各个波段所对应的协方差矩阵Σ，结合步骤S51所获得的目标像素强度均值向量U和步骤S52所获得的总体像素强度均值向量D，得到目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d。

作为一种实施方式，协方差矩阵Σ的计算公式如下：

其中，

获得协方差矩阵Σ后，求出该矩阵的逆矩阵Σ

得到目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d。

为了方便读者加深印象，我们不妨举一个算例加以说明。

算例1，本算列选择图1所示的场景形成高光谱图像，令滤波通道数C为3，波段数N为210，k＝10。取集簇Q中的一波段组合子集

Q

为例，其包含的三波段分别为602.8nm,700.2nm,897.2nm，分别隶属的波段序号为95、135和213，首先计算三个波段图像的目标像素强度均值向量U，其中，

之后计算总体像素强度均值向量D，其中，

而后计算出两两光谱向量间的协方差矩阵Σ以及其逆矩阵，最终得到相应的马氏距离。

依据上述方法求得各个波段组合目标与背景的马氏距离集合MD＝{MD

S6、在所有所述波段组合子集中，选择目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d最大的波段组合Q

回到算例1，由上表得知，本算例中最佳探测波段序号组合为41、95、135，即所对应的中心波长为475.3nm、602.8nm、700.2nm的三个波段，以此波段组合合成多光谱图像进行RX异常检测，如图11所示，其中(a)为宽波段灰度图像，(b)为实验中的全波段识别结果，(c)为本发明提出方法的目标检测结果，与宽波段图像和全波段识别结果相比，目标更加显著，检测效果有极大提升。

本实施例提供的一种高光谱波段选择系统，基于本实施例所述的高光谱波段选择方法，包括：

高光谱遥感设备，用于获取包含有检测目标信息的高光谱数据S；

目标提取模块，用于对高光谱数据S的目标信息进行标注，分离背景和目标；

聚类模块，用于根据预设的聚类总类别数k对高光谱数据S的波段进行聚类，生成光谱波段集合G；

组合模块，用于根据预设滤波通道数C，从光谱波段集合G中取出C个元素进行组合，且将每一种组合方式形成的集合作为一个波段组合子集，形成多个波段组合子集；

距离计算模块，用于计算各个波段组合子集中，基于各个波段的图像中的目标形成的目标像素强度均值向量U与基于各波段的图像中所有像素所形成的总体像素强度均值向量D的马氏距离d；

波段选择输出模块，用于在所有波段的图像中，选择目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d最大的波段组合Q

其中，

目标提取模块与高光谱遥感设备通信，聚类模块与目标提取模块通信，组合模块与聚类模块通信，距离计算模块与组合模块通信，波段选择输出模块与距离计算模块通信。

本实施例中，目标提取模块包括：

光谱向量均值计算单元，用于在高光谱数据S中，随机标注n个目标像素点，之后计算这些像素点的光谱向量均值，获得相应的目标光谱均值向量

光谱角计算单元，用于计算高光谱数据S中所有像素点分别与目标光谱均值向量

目标确定单元，用于设定光谱角阈值T，并将光谱角小于光谱角阈值T的像素点所在区域作为为目标，光谱角大于光谱角阈值T的像素点所在区域作为背景；

其中，

光谱向量均值计算单元与高光谱遥感设备通信，光谱角计算单元与光谱向量均值计算单元通信，目标确定单元与光谱角计算单元通信。

本实施例中，聚类模块包括：

转换单元，用于将高光谱数据S从数据立方体转换为二维波段数据Y；

稀疏表示构建单元，用于构建波段向量之间的稀疏表示矩阵Z；

相似度矩阵构建单元，用于构建描述波段向量之间相似性的波段相似度矩阵W；

波段聚类单元，用于对波段相似度矩阵W进行聚类，而后将每一类所涉及的波段划为一族，进而得到包含了多个簇，而每个簇为一族相似高光谱波段的波段聚类集族SC；

光谱波段集合生成单元，用于分别计算波段聚类集族SC中，各个族的质心，找出各个族中距离该族的质心距离最近的波段，据此生成光谱波段集合G；

其中，

转换单元与目标确定单元通信，稀疏表示构建单元与转换单元通信，相似度矩阵构建单元与稀疏表示构建单元通信，波段聚类单元与相似度矩阵构建单元通信，光谱波段集合生成单元与波段聚类单元通信，组合模块与光谱波段集合生成单元通信。

本实施例中，距离计算模块包括：

目标像素强度均值向量计算单元，用于计算各个波段组合子集中，各个波段所对应的图像中的目标的像素强度均值，形成目标像素强度均值向量U；

总体像素强度均值向量计算单元，用于计算各个波段组合子集中，各个波段所对应的图像中所有像素的像素强度均值，形成总体像素强度均值向量D；

马氏距离形成单元，用于计算各个波段组合子集中，各个波段所对应的协方差矩阵Σ，得到目标像素强度均值向量U与总体像素强度均值向量D的马氏距离d；

其中，

目标像素强度均值向量计算单元与组合模块通信，总体像素强度均值向量计算单元与目标像素强度均值向量计算单元通信，马氏距离形成单元与总体像素强度均值向量计算单元通信，波段选择输出模块与马氏距离形成单元通信。

本实施例所提供的一种高光谱波段选择系统，其中的各模块所执行的功能均与本实施例的一种高光谱波段选择方法各步骤相对应，具体可以表现为一种存储器或者一种存储介质，可以使用在上位机上。

本实施例提供的一种目标高光谱特征提取的滤波轮制作方法，基于本实施例所述的高光谱波段选择方法，包括如下步骤：

T1,、制作出滤波轮本体，并在滤波轮本体上呈环绕式分布设置C个滤波通道；

T2、通过本实施例所述的高光谱波段选择方法获得波段组合Q

T3、根据步骤T2获得的所述波段组合Q

本实施例提供的一种目标多光谱成像探测装置，包括：

滤波轮2；

转动机构3，用于驱动滤波轮2转动；

成像探测器4，用于接收滤波轮2获取的，关于被检测对象1在不同波段下的影像；

控制模块5，用于控制转动机构3旋转以及成像探测器4影像采集，同时对采集的图像进行实时处理，实现目标检测功能；

其中，

滤波轮2通过本实施例所述的目标高光谱特征提取的滤波轮制作方法制作而成；

控制模块5分别与转动机构3和成像探测器4电连接。

本实施例中，控制模块5包括：

转动机构控制装置51、用于控制转动机构3驱动滤波轮2旋转；

影像采集控制装置52，用于控制成像探测器4影像采集，同时对采集的图像进行实时处理，实现目标检测功能；

其中，

转动机构控制装置51与转动机构3电连接，影像采集控制装置52与成像探测器4电连接。

如图9所示，本实施例的目标1为伪装指挥所；滤波轮2为集成475.3nm、602.8nm、700.2nm三个波段中心波长、半高宽为25nm、透过率为OD4的带通滤波片的滤波转轮；电机转轮3在本实例中采用PCBMotor生产的超声压电电机，通过超声电机控制滤波轮精准、快速切换；探测器4为可见光宽波段探测器，用于接收不同波段的灰度影像；控制模块5为集成柔性电路板(PCB电路板)，用于控制超声旋转电机3旋转以及探测器4采集，同时对采集的图像进行实时处理，实现目标检测功能。

实施例二

由于实施例一已经公开了一种高光谱波段选择系统的技术方案，该系统能够基于特定目标，完成高光谱波段选择，获得一组优质的高光谱波段，因而，可以基于该系统制作滤波轮。

本实施例提供的一种目标高光谱特征提取的滤波轮制作方法，基于实施例一所述的高光谱波段选择系统，包括如下步骤：

R1,、制作出滤波轮本体，并在该滤波轮本体上呈环绕式分布设置C个滤波通道；

R2、通过实施例一所述的高光谱波段选择系统获得波段组合Q

R3、根据步骤T2获得的波段组合Q

与此同时，为了方便控制，本实施例选用伺服电机作为转动机构，驱动滤波轮旋转，其转动方向和角度也可以随时反馈，控制十分方便。

当然，关于转动机构3的选择不限于超声压电电机，可以使用直流电机、步进电机等各种电机驱动实现滤波轮的控制。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对本实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。