一种在矿物光谱特征提取中选取小波基的方法

摘要

本发明属于光谱信号处理和高光谱矿物填图技术领域，具体涉及一种在矿物光谱特征提取中选取小波基的方法，包括：步骤一，获取矿物光谱数据；步骤二，通过均值法对上述步骤一中矿物光谱进行去噪处理；步骤三，确定待选小波簇种类及其包含的一系列小波基；步骤四，利用上述步骤三中的小波基对步骤二的矿物光谱信号进行多尺度一维离散小波分解，得到不同尺度的高频细节系数和低频近似系数；步骤五，对上述步骤四得到的全部高频细节系数进行软阈值处理；步骤六，得到软阈值降噪后的重构信号；步骤七，计算上述步骤六中重构信号与步骤二中矿物光谱原始信号的相关系数；步骤八，确定上述步骤七中最大相关系数所对应的小波基；步骤九，提取矿物光谱特征。

说明书

技术领域

本发明属于光谱信号处理和高光谱矿物填图技术领域，具体涉及一种在矿物光谱特征提取中选取小波基的方法。

背景技术

不同类型地物具有其独特的光谱特征，依据矿物诊断性光谱特征可以直接识别矿物类型和矿物组分。然而，高光谱数据信息量大，处理过程耗时较长，从高光谱数据中筛选并提取有效的光谱特征，能够增强分类性能，在保证精度的前提下显著提高处理效率。

小波变换具有同时在时域和频域表征信号局部特征的能力，能够从信号在不同尺度下的变换结果中分析信号特性，在信号处理领域应用广泛。但是，不同的小波基具有不同的时频特征，波形差别较大，支撑长度和规则性也各不相同。

因此，对于相同矿物光谱信号选取不同的小波基进行处理，得到的结果往往差别很大，而如何选取最优小波基用于矿物光谱特征的提取，是目前急需重点解决的问题。

发明内容

本发明针对上述现有技术的不足，提供一种在矿物光谱特征提取中选取小波基的方法，用于解决如何选取最优小波基用于矿物光谱特征提取的技术问题。

本发明的技术方案：

一种在矿物光谱特征提取中选取小波基的方法，包括以下步骤：

步骤一，获取矿物光谱数据；

步骤二，通过均值法对上述步骤一中矿物光谱进行去噪处理；

步骤三，确定待选小波簇种类及其包含的一系列小波基；

步骤四，利用上述步骤三中的小波基对步骤二的矿物光谱信号进行多尺度一维离散小波分解，得到不同尺度的高频细节系数和低频近似系数；

步骤五，对上述步骤四得到的全部高频细节系数进行软阈值处理；

步骤六，利用上述步骤五软阈值处理后的每一尺度高频细节系数和步骤四得到的最高尺度低频近似系数进行小波重构，得到软阈值降噪后的重构信号；

步骤七，计算上述步骤六中重构信号与步骤二中矿物光谱原始信号的相关系数；

步骤八，确定上述步骤七中最大相关系数所对应的小波基；

步骤九，利用上述步骤八所确定的小波基对待测光谱信号进行小波变换，提取矿物光谱特征。

所述步骤一中还包括：将测量得到的某种矿物光谱曲线记为X

所述步骤二还包括：通过均值法对上述步骤一中矿物光谱进行去噪处理，对测量得到的某种矿物光谱曲线X

所述步骤四还包括：小波基函数记为

所述步骤五还包括：对上述步骤四得到的全部高频细节系数D

所述步骤六还包括：利用上述步骤五软阈值处理后的每一尺度高频细节系数D

所述步骤七还包括：计算上述步骤六中重构信号S(λ)与步骤二中矿物光谱原始信号Z(λ)的相关系数CC，计算公式如下式(2)：

其中，cov代表协方差运算。

所述步骤八还包括：将上述步骤七中计算的相关系数CC进行排序，将最大CC所对应的小波基标记为σ。

本发明的有益效果：

本发明通过选择不同小波簇中一系列小波基对矿物光谱信号进行多尺度一维离散小波分解，利用软阈值处理后的每一尺度高频细节系数和最高尺度低频近似系数进行小波重构，并计算重构信号与原始信号的相关系数作为最优小波基的选取准则，用于矿物光谱特征提取。

本发明方法简便快捷，实现了最优小波基的快速选取，提高了矿物光谱特征提取的效果和信号处理的效率，降低人为经验干扰，适用范围广泛。

具体实施方式

结合附图及具体实施例对本发明技术方案作进一步描述，

如图1所示，本发明设计的一种在矿物光谱特征提取中选取小波基的方法，具体包括以下步骤：

步骤一，获取矿物光谱数据；将测量得到的某种矿物光谱曲线记为X

步骤二，通过均值法对上述步骤一中矿物光谱进行去噪处理；对测量得到的某种矿物光谱曲线X

步骤三，确定待选小波簇种类及其包含的一系列小波基；

步骤四，利用上述步骤三中的小波基对步骤二的矿物光谱信号进行多尺度一维离散小波分解，得到不同尺度的高频细节系数和低频近似系数；小波基函数记为

步骤五，对上述步骤四得到的全部高频细节系数D

步骤六，利用上述步骤五软阈值处理后的每一尺度高频细节系数和步骤四得到的最高尺度低频近似系数进行小波重构，得到软阈值降噪后的重构信号；

利用上述步骤五软阈值处理后的每一尺度高频细节系数D

步骤七，计算上述步骤六中重构信号S(λ)与步骤二中矿物光谱原始信号Z(λ)的相关系数CC，计算公式如下式(2)：

其中，cov代表协方差运算。

步骤八，确定上述步骤七中最大相关系数所对应的小波基；将上述步骤七中计算的相关系数CC进行排序，将最大相关系数CC所对应的小波基标记为σ。

步骤九，利用上述步骤八所确定的小波基σ对待测光谱信号进行小波变换，提取矿物光谱特征。

具体实施例：

步骤1、获取矿物光谱数据，通过ASD光谱仪测量矿物光谱，测量得到的某种矿物光谱曲线记为X

步骤2、通过均值法对上述步骤1中矿物光谱进行去噪处理，结果记为Z(λ)。对测量得到的某种矿物光谱X

步骤3、确定待选小波簇种类及其包含的一系列小波基，在发明中不对小波簇种类做任何限定；

但作为示例，本实施例中的小波簇选择db、symlet与coiflet，小波簇包含的小波基数量可以根据需求进行调整，本实施例中db小波系列包含db1、db2、db3、db4、db5、db6、db7、db8、db9和db10；symlet小波系列包含sym1、sym2、sym3、sym4、sym5、sym6、sym7、sym8、sym9和sym10；coiflet小波系列包含coif1、coif2、coif3、coif4、coif5和coif6。

步骤4、利用上述步骤3中的小波基对步骤2的矿物光谱信号进行多尺度一维离散小波分解，得到不同尺度的高频细节系数和低频近似系数。本实施例中选用Matlab中的wavedec函数对步骤2得到的光谱信号Z(λ)进行一维离散小波分解，小波类型设置为步骤3中确定的一系列小波基，分解层数m设置为6层，每个小波基分解后均可得到6个尺度的高频细节系数D

步骤5、对上述步骤4得到的全部高频细节系数D

步骤6、利用步骤4得到的最高尺度低频近似系数A

步骤7、计算上述步骤6中重构信号S(λ)与步骤2中矿物光谱原始信号Z(λ)的相关系数CC，计算公式如下：

其中，cov代表协方差运算。

步骤8、将上述步骤7中计算的CC进行排序，将最大CC所对应的小波基标记为σ，本实施例中最大CC所对应的小波基σ为db7。

步骤9、利用上述步骤8所确定的小波基db7对待测光谱信号进行小波变换，提取矿物光谱特征。

上面对本发明的实施例作了详细说明，本发明并不限于上述实例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。