高光谱成像仪基于图像维的目标检测技术

高光谱成像仪基于图像维的目标检测技术一般过程包括图像预处理、图像分割、特征提取、模型匹配。匹配是整个目标检测流程的最后也是最重要的一步，按照匹配策略的不同，目标检测算法可分为不同的类型。下文对高光谱成像仪基于图像维的目标检测技术类型做了介绍。

基于灰度匹配的目标检测技术：

基于灰度匹配的目标检测技术，主要是利用图像之间的灰度信息进行匹配。它通过提出一种图像灰度的相似性指标来刻画图像之间的匹配程度，该方法无需进行图像分割和提取图像特征的过程，可以消除由图像预处理所带来的信息损失。该类方法因为原理比较简单而广泛应用于定位精度估计、误差估计、收敛速度估计等方面。但由于只考虑的单个像素点的灰度信息而没有利用灰度统计特征，因此匹配效率不高，检测精度受图像噪声、光照条件、灰度信息变化等因素的影响较大。此外对目标存在尺度变化和角度变化时并不适用。

基于特征匹配的目标检测技术：

基于图像特征的目标检测技术主要用于参考图和实时图不同源的情形。由于利用图像特征进行检测，因此特征选择成为这类算法有效实施的关键。特征选择的目的是构造对比例、旋转、缩放、灰度变换具有不变性的特征。其主要优点是有目的提取图像的显著特征，减少图像的冗余信息。该类算法有一定的鲁棒性，对含有轻微扭曲和一定噪声的图像都可以适用。但该方法也存在着不少缺点：

（1）算法设计非常复杂，没有一般规律可服从，需要针对具体的目标数据选择合适的匹配模型；（2）不能够充分利用图像信息，只是依靠特征来代表目标全部信息，所以提取特征的质量很大程度上决定了检测精度。

基于模型匹配的目标检测技术：

在机器视觉领域，基于模型匹配的目标检测技术使用最多。它主要是模拟人眼对目标识别过程，如“Snake”模型——主动轮廓模型。它的主要优点是无需目标的先验信息，不受目标结构的限制，能表示任何形状，但它也有明显的缺点：检测精度受制于模板的噪声强度和初始位置，而且迭代过程容易陷入局部最优。

基于变换域的目标检测技术：

变换域的目标检测是指通过数学方法变换的方法，将图像数据从一个特征域变换到另一个特征域的检测方法，如傅立叶变换检测、对数极坐标变换检测、小波变换检测等。基于变换域的目标检测具有良好的鲁棒性，其检测精度对图像噪声、光照条件、灰度信息变化等因素容忍性高，对图像之间存在较大尺度和旋转的情形也有良好的适用性。