[發(fā)明專利]高光譜圖像復選性加權分類方法

無效

• 申請?zhí)枺?/td>: 200710144301.1
• 申請日: 2007-09-12
• 公開（公告）號: CN101127086A
• 公開（公告）日: 2008-02-20
• 發(fā)明（設計）人: 王立國;趙春暉;喬玉龍
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種高光譜圖像復選性加權分類方法，它至少包括樣本加權、特征加權或類別加權處理過程的一個，其特征是：

1)所述的樣本加權過程包括：

①為每個訓練樣本像元x_i計算其相應的距離D(x_i，x₀)，其計算公式為：

D(x_i，x₀)＝(K(x_i，x_i)+K(x₀，x₀)-2K(x_i，x₀))^1/2，i＝1，2，Λ，n.

其中，x₀為樣本x_i所對應的類中心，函數(shù)K(·，·)為SVM中的核函數(shù)；

②對距離D(x_i，x₀)進行歸一化處理，歸一化處理所選用的公式為：

ND(xi,xyi)=D(xi,xyi)/Dmax,]]>i＝1，2，Λ，n.

其中，Dmax=maxi(D(xi,x0));]]>

③歸一化距離ND(x_i，x_yi)，轉化為相應的權值，其轉化公式為：

vi=1-NS(xi,xyi)2+(Dmin/Dmax)2,]]>i＝1，2，Λ，n.

其中，Dmin=mini(D(xi,x0));]]>

④將最小二乘SVM分類優(yōu)化表達式中的誤差項{e_i}_i＝1ⁿ替換為其加權形式{v_ie_i}_i＝1ⁿ，得到樣本加權的最小二乘SVM分類優(yōu)化表達式：

minw,b,eJ(w,e)=12||w||2+γ2Σi=1n(viei)2,]]>i＝1，2，Λ，n，γ＞0.

s.t.y_i＝<w，φ(x_i)>+b+e_i

2)所述的特征加權過程包括：

①對全部n個訓練樣本樣本像元計算各類平均向量μ_j，j＝1，2，Λ，n：

μj=1njΣri∈Cjri]]>

其中，c_j、n_j分別代表第j類樣本集合及其樣本數(shù)目；

②計算類內散度矩陣S_W，其公式為：

SW=Σj=1PΣr∈Cj(r-μj)(r-μj)T]]>

③利用適當?shù)恼痪仃嘦和對角化B，將實對稱矩陣S_W轉化為如下形式：

SW-1=(UBUT)-1=(UB-1/2)(UB-1/2)T]]>

則矩陣G＝(UB^-1/2)^T可用作加權矩陣而對全部高光譜數(shù)據(jù)進行左乘而完成波段加權；

3)所述的類別加權過程包括：

①指定全部n個訓練樣本的排列順序后，根據(jù)分析意義的不同為每個類別規(guī)定不同的加權值；

②構造n×n的對角矩陣對角元素，使得對角元素對應相應順序訓練樣本所屬類別的權值；

③用所構造的對角矩陣替換最小二乘SVM對應的線性方程組中的單位矩陣I，得到新的具有類別加權性質的分類方程組：

01vT1vK+I)/γbα=0y]]>

其中，y＝[y₁，y₂，Λ，y_n]^T為訓練樣本所對應的類別屬性值，1_v＝[1，1，Λ，1]^T；通過求解上面加權后的方程組得出分類判別函數(shù)實現(xiàn)高光譜圖像的類別加權分類。