[發(fā)明專利]一種高光譜遙感數(shù)據(jù)多類別監(jiān)督分類方法

無效

• 申請?zhí)枺?/td>: 200910093539.5
• 申請日: 2009-09-25
• 公開（公告）號: CN101667253A
• 公開（公告）日: 2010-03-10
• 發(fā)明（設(shè)計(jì)）人: 李娜;趙慧潔;賈國瑞;牛志宇
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06K9/66
• 分類號: G06K9/66;G01S7/48
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司
• 代理人: 王順榮;唐愛華

技術(shù)領(lǐng)域

本發(fā)明涉及一種高光譜遙感數(shù)據(jù)多類別監(jiān)督分類方法，屬于高光譜數(shù)據(jù) 處理方法與應(yīng)用技術(shù)領(lǐng)域，適用于高光譜數(shù)據(jù)監(jiān)督分類的理論方法和應(yīng)用技 術(shù)研究。

背景技術(shù)

高光譜遙感數(shù)據(jù)監(jiān)督分類的方法主要包括兩大類：基于光譜特征匹配的 方法和基于統(tǒng)計(jì)分析模型的方法。由于高光譜數(shù)據(jù)獲取過程中，受到大氣、 地形、光照等條件的影響，使得其獲得的地物光譜特征變化較大，因此，基 于光譜特征匹配的方法會出現(xiàn)不同地物之間混淆較大、不穩(wěn)定等問題，使得 分類結(jié)果精度降低；基于統(tǒng)計(jì)分析模型的方法主要是對高光譜數(shù)據(jù)樣本的總 體特征進(jìn)行統(tǒng)計(jì)分析，根據(jù)樣本采樣點(diǎn)統(tǒng)計(jì)分布特征實(shí)現(xiàn)不同地物的分類。 但是在統(tǒng)計(jì)分析模型建立過程中為了實(shí)現(xiàn)精確的分類，需要對樣本進(jìn)行分布 假設(shè)以及大量的統(tǒng)計(jì)參數(shù)實(shí)現(xiàn)分類建模。

對數(shù)(Logistic)兩分類模型廣泛的應(yīng)用于醫(yī)學(xué)和生物學(xué)，尤其在流行 病學(xué)得到及其廣泛的應(yīng)用。1989年Hosmer和Lemeshow將Logistic回歸模 型的響應(yīng)變量擴(kuò)展到k(k＞2)，使得Logistic回歸模型成功應(yīng)用到k(k＞2)類 別的分類問題。近年來隨著遙感技術(shù)的發(fā)展和數(shù)據(jù)處理的需求，Logisitc回 歸模型被引入到遙感圖像分類應(yīng)用中。與高斯分類模型相似，Logistic是監(jiān) 督分類模型，需要訓(xùn)練樣本估計(jì)模型參數(shù)。但在Logistic回歸模型中，僅僅 需要對影響因變量的因素進(jìn)行線性關(guān)系假設(shè)，不需要對圖像中樣本進(jìn)行任何 分布假設(shè)。通常情況下，需要對高光譜數(shù)據(jù)降維后才能實(shí)現(xiàn)Logistic建模， 否則將帶來龐大的計(jì)算負(fù)擔(dān)，但是數(shù)據(jù)降維方法將在減少數(shù)據(jù)維數(shù)的同時(shí)丟 失光譜的細(xì)節(jié)特征，從而導(dǎo)致相似類別的混淆。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種不需要樣本分布假 設(shè)、參數(shù)估計(jì)少的高光譜遙感數(shù)據(jù)多類別監(jiān)督分類方法。

本發(fā)明的技術(shù)解決方案為：一種利用分形理論實(shí)現(xiàn)較少訓(xùn)練樣本條件下 的高精度高光譜遙感數(shù)據(jù)多類別監(jiān)督分類方法，該方法主要利用分形理論和 統(tǒng)計(jì)分析模型，通過計(jì)算光譜的多重分形譜參數(shù)實(shí)現(xiàn)Logistic建模，最后利 用最大似然估計(jì)模型參數(shù)估計(jì)，從而實(shí)現(xiàn)高光譜數(shù)據(jù)的監(jiān)督分類。多重分形 譜主要通過光譜概率測度計(jì)算和配分函數(shù)估計(jì)得到，并根據(jù)多重分形譜的特 點(diǎn)選擇α^*、α_min、α_max、f(α_min)作為Logistic建模參數(shù)，從而在有效降低模型 估計(jì)參數(shù)數(shù)目的同時(shí)增加類間可分性。

本發(fā)明一種高光譜遙感數(shù)據(jù)多類別監(jiān)督分類方法，其步驟如下：

(1)讀入高光譜數(shù)據(jù)；

(2)確定分類類別數(shù)目，并選擇訓(xùn)練樣本和測試樣本；

(3)計(jì)算多重分形譜參數(shù)；

(4)建立基于多重分形譜參數(shù)的對數(shù)回歸多類別分類模型；

(5)利用極大似然估計(jì)進(jìn)行模型求解；

(6)利用概率最大原則進(jìn)行分類，并計(jì)算分類精度。

其中，步驟(1)中所述的讀入高光譜數(shù)據(jù)為：X＝[x₁，x₂，…，x_n]^T，n為像 元數(shù)。

其中，步驟(2)中所述的分類類別數(shù)目為J，訓(xùn)練樣本和測試樣本選擇 根據(jù)參考圖像和地面調(diào)查確定，且訓(xùn)練樣本與測試樣本不相同。

其中，步驟(3)中所述的多重分形譜f(α)計(jì)算如下：首先計(jì)算光譜概 率測度：