[發明專利]空間鄰域信息加權的高光譜遙感圖像分類方法

有效

• 申請號: 201310422632.2
• 申請日: 2013-09-16
• 公開（公告）號: CN103440505B
• 公開（公告）日: 2016-11-02
• 發明（設計）人: 陳善學;李俊;于佳佳;韓勇;馮銀波
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

1.一種空間鄰域信息加權的高光譜遙感圖像分類方法，其特征在于，該方法包括：讀取遙感圖像，對圖像特征矢量進行PPCA變換實現對特征矢量矩陣降維，從波段數據中獲得部分線性不相關的矢量作為像元樣本；從圖像矩陣中提取像元樣本的鄰域像元，獲取特征隸屬度，根據特征隸屬度計算像元樣本所有鄰域像元對應第某類特征隸屬度的中值，作為特征矩陣中所有樣本對應每個類別的空間鄰域信息，根據空間鄰域信息更新模糊劃分矩陣和聚類中心，由模糊劃分矩陣得到各像元分類結果，構造偽彩色圖。?

2.根據權利要求1所述的方法，其特征在于，對特征矢量矩陣降維包括：選取樣本并轉換成數據矩陣，計算樣本數據的相關系數矩陣，計算相關系數矩陣的特征根，計算特征根的累計貢獻率，根據累計貢獻率選取特征維數，獲取特征矢量。?

3.根據權利要求1所述的方法，其特征在于，根據特征隸屬度計算像元樣本所有鄰域像元對應第某類特征隸屬度的中值具體為：根據公式：?計算x_j對應第i類特征隸屬度的中值，其中，和為樣本x_j所有鄰域像元對應第i類特征隸屬度的最大值和最小值。?

4.根據權利要求1所述的方法，其特征在于，根據空間鄰域信息更新模糊劃分矩陣和聚類中心具體包括：從圖像矩陣中提取樣本x_j的鄰域像元；獲得x_j隸屬于第i類的特征隸屬度和空間鄰域信息獲得特征隸屬度和空間鄰域信息加權后的模糊相似度以及聚類中心?更新模糊劃分矩陣U={u_ij}和聚類中心Z={z_i｝。?

5.根據權利要求2所述的方法，其特征在于，計算相關系數矩陣的特征根具體為：根據數據矩陣S的相關系數矩陣R，調用特征方程|R-λI|=0計算R的特征根λ_i。?

6.根據權利要求2所述的方法，其特征在于，計算特征根的累計貢獻率，根據累計貢獻率選取特征維數具體為：將特征根從大到小排列，得到對應的特征向量a={a₁，a₂，…a_ω｝，根據公式：計算累計貢獻率。?

7.根據權利要求2或6所述的方法，其特征在于，根據累計貢獻率選取特征維數，獲取特征矢量具體為：找到使累計貢獻率第一次到達累計貢獻率上限值K的特征維數L，提取前L個主成分對應的特征向量β={a₁，a₂，…a_L}，調用公式X=β^T·B獲取圖像的特征矩陣，即根據公式：?

X_ij=a_1iB_1j+a_2iB_2j+…+a_ωiB_ωj(i＝1，2，…，L，j=1，2，…，p)計算原圖像數據的主成分。?

8.根據權利要求4所述的方法，其特征在于，設定鄰域窗口大小C，以當前樣本像元為中心，與它四周相鄰的C個像元即為鄰域像元。?