空间-光谱-频域联合表征的高光谱溢油识别方法及装置

本发明涉及高光谱遥感图像处理与海洋环境监测，特别是指一种空间-光谱-频域联合表征的高光谱溢油识别方法及装置。

背景技术：

1、高光谱成像技术可在连续窄波段范围内获取目标光谱反射信息，每个像元均可形成包含物质信息的光谱曲线。不同油品因化学组分不同，在特定波段表现出不同的反射强度、吸收特征及曲线形态，为油品及水体背景识别提供了数据基础。

2、但高光谱溢油识别受场景因素影响显著。同种油品在不同时间、水体背景、油膜厚度或光照条件下，光谱可能发生整体偏移及谱形改变，模型易将场景差异误学习为类别差异，导致跨场景分类性能下降。高光谱数据包含数百个连续波段，相邻波段相关性较强，全部输入会引入冗余并增加计算负担。现有主成分分析、相关系数筛选等方法侧重降维效率或类别间差异，较少同时考虑跨场景漂移、噪声稳定性及波段间冗余。

3、现有分类方法中，光谱指数法阈值依赖场景条件，适应性有限；支持向量机、随机森林等依赖人工特征，难以挖掘复杂非线性关系；卷积神经网络能提取局部纹理，但对长距离波段依赖建模不足。近年来视觉transformer虽能通过自注意力增强特征关联，但现有方法多直接对全波段编码，缺少面向溢油识别的稳定波段约束，且以原始谱域特征为主，对频域中的趋势和能量分布利用不足。此外，传感器状态、观测环境等全局条件可为分类提供场景约束，但现有方法未将其结构化编码纳入学习过程。

4、现有技术存在以下问题：

5、（1）现有波段筛选方法稳定性不足，未将同类油品跨场景漂移、噪声及波段间冗余纳入评价，场景变化后判别能力下降。

6、（2）现有方法对多维特征表达与融合能力不足，常采用简单拼接或固定权重融合，难以根据场景条件动态判断各特征可靠性。

7、（3）现有方法缺少对场景信息的结构化编码，易将场景差异误学习为类别差异，导致跨场景泛化性能下降。

技术实现思路

1、为了解决现有技术存在的波段筛选稳定性不足、多维特征表达与融合能力欠缺以及跨场景适应能力有限的技术问题，本发明实施例提供了一种空间-光谱-频域联合表征的高光谱溢油识别方法及装置。所述技术方案如下：

2、一方面，提供了一种空间-光谱-频域联合表征的高光谱溢油识别方法，该方法由空间-光谱-频域联合表征的高光谱溢油识别设备实现，该方法包括：

3、s1、获取待识别图像数据以及训练好的溢油识别模型，所述待识别图像数据为高光谱立方体油品数据，所述溢油识别模型包括vit空谱特征提取分支、频域特征学习分支、全局语义特征提取分支、门控通道注意力模块以及分类输出端；

4、s2、对高光谱立方体油品数据进行基于场景的标准正态变量归一化处理，对归一化后的标准化高光谱数据进行波段选择，得到关键波段数据；

5、s3、将关键波段数据同步送入vit空谱特征提取分支、频域特征学习分支以及全局语义特征提取分支，基于vit空谱特征提取分支得到空谱特征，基于频域特征学习分支得到频域特征，基于全局语义特征提取分支得到语义特征；

6、s4、将频域特征与语义特征进行结合，将生成的辅助表达与空谱特征进行拼接，将得到的拼接特征输入门控通道注意力模块，得到优化判别特征；

7、s5、将优化判别特征输入分类输出端，基于掩膜与置信决策机制，输出溢油识别结果。

8、另一方面，提供了一种空间-光谱-频域联合表征的高光谱溢油识别装置，该装置应用于空间-光谱-频域联合表征的高光谱溢油识别方法，该装置包括：

9、获取单元，用于获取待识别图像数据以及训练好的溢油识别模型，所述待识别图像数据为高光谱立方体油品数据，所述溢油识别模型包括vit空谱特征提取分支、频域特征学习分支、全局语义特征提取分支、门控通道注意力模块以及分类输出端；

10、预处理单元，用于对高光谱立方体油品数据进行基于场景的标准正态变量归一化处理，对归一化后的标准化高光谱数据进行波段选择，得到关键波段数据；

11、特征提取单元，用于将关键波段数据同步送入vit空谱特征提取分支、频域特征学习分支以及全局语义特征提取分支，基于vit空谱特征提取分支得到空谱特征，基于频域特征学习分支得到频域特征，基于全局语义特征提取分支得到语义特征；

12、融合单元，用于将频域特征与语义特征进行结合，将生成的辅助表达与空谱特征进行拼接，将得到的拼接特征输入门控通道注意力模块，得到优化判别特征；

13、识别单元，用于将优化判别特征输入分类输出端，基于掩膜与置信决策机制，输出溢油识别结果。

14、另一方面，提供一种空间-光谱-频域联合表征的高光谱溢油识别设备，所述空间-光谱-频域联合表征的高光谱溢油识别设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述空间-光谱-频域联合表征的高光谱溢油识别方法中的任一项方法。

15、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述空间-光谱-频域联合表征的高光谱溢油识别方法中的任一项方法。

16、本发明实施例提供的技术方案带来的有益效果至少包括：

17、本发明采用场景级snv归一化消除跨场景光谱偏移，以类别可分性为正向目标、跨场景漂移和噪声敏感性为惩罚项进行波段筛选，并通过相关性约束削减冗余，筛选出多场景下稳定保持区分能力的关键波段，降低计算量并提升特征可靠性。而且，本发明联合提取空谱特征、频域特征和全局语义特征，频域特征通过一维fft提取谱线频域能量分布，将频域特征与语义特征拼接生成辅助表达，再与空谱特征拼接后经门控通道注意力模块自适应调制，提升复杂环境下识别准确性。另外，本发明将场景元数据通过预训练大语言模型提取语义向量作为全局条件约束，使模型在未见场景中不会因光谱偏移而精度崩塌，显著提升跨场景泛化能力。

1.一种空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s2的对高光谱立方体油品数据进行基于场景的标准正态变量归一化处理，对归一化后的标准化高光谱数据进行波段选择，得到关键波段数据，包括：

3.根据权利要求1所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s3的将关键波段数据送入vit空谱特征提取分支，将基于关键波段集合确定的等间隔重构谱线送入频域特征学习分支，并将当前观测对应的场景元数据送入全局语义特征提取分支，基于vit空谱特征提取分支得到空谱特征，基于频域特征学习分支得到频域特征，基于全局语义特征提取分支得到语义特征，包括：

4.根据权利要求3所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s31的基于vit空谱特征提取分支，对空间邻域像元执行光谱滑窗操作，将截取的三维局部空谱块进行联合展平，将联合展平后的空谱块输入包含变换器编码与跨层融合机制的vit网络，得到空谱特征，包括：

5.根据权利要求3所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s32的基于频域特征学习分支，根据关键波段集合确定频域分析的有效光谱区间，提取中心像元在所述有效光谱区间内的原始标准化连续光谱，并进行等间隔重采样；对得到的等间隔重构谱线执行一维快速傅里叶变换，计算归一化功率谱并进行多尺度频段能量编码，以表征油品谱线的整体变化趋势和局部起伏规律，得到单像元的频域特征，包括：

6.根据权利要求3所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s33的基于全局语义特征提取分支，提取当前观测的场景元数据，将提取到的信息经由结构化提示编码转化为自然语言提示，并输入至预训练的大语言模型，提取出具有全局约束能力的语义特征，包括：

7.根据权利要求1所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述溢油识别模型的训练过程，包括：

8.根据权利要求1所述的空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述s5的将优化判别特征输入分类输出端，基于掩膜与置信决策机制，输出溢油识别结果，包括：

9.一种空间-光谱-频域联合表征的高光谱溢油识别装置，所述空间-光谱-频域联合表征的高光谱溢油识别装置用于实现如权利要求1-8任一项所述空间-光谱-频域联合表征的高光谱溢油识别方法，其特征在于，所述装置包括：

10.一种空间-光谱-频域联合表征的高光谱溢油识别设备，其特征在于，所述空间-光谱-频域联合表征的高光谱溢油识别设备包括：