[發明專利]基于核Fisher自適應學習的高光譜遙感圖像端元分類方法

在審

• 申請號: 201310434441.8
• 申請日: 2013-09-23
• 公開（公告）號: CN104036298A
• 公開（公告）日: 2014-09-10
• 發明（設計）人: 劉訓非;吳冬燕;曹建東;吳振英
• 申請（專利權）人: 蘇州工業職業技術學院
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 呂書桁

1.基于核Fisher自適應學習的高光譜遙感圖像端元分類方法，其特征在于包括：

步驟Ⅰ、對高光譜遙感圖像端元分類任務判斷結構變化與否的優化方法，若結構變化優化則跳轉執行步驟Ⅲ、若結構不變化優化則順序執行步驟Ⅱ；?

步驟Ⅱ、采用傳統核函數，然后利用Fisher準則和最大間隔準則獲得優化目標函數，再通過基于遺傳算法的自適應尋求算法對獲得的優化目標函數進行計算，獲得最優參數和不變結構的最優核函數，后接執行步驟Ⅳ；

步驟Ⅲ、采用數據依賴核函數，然后利用全局流形保持設計準則獲得優化目標函數，再通過基于拉格朗日法的自適應尋求算法對獲得的優化目標函數進行計算，獲得數據依賴核參數和變結構的最優核函數，后接執行步驟Ⅳ；

步驟Ⅳ、根據步驟Ⅱ所得不變結構的最優核函數或步驟Ⅲ所得變結構的最優核函數得到最優Fisher分類器，再對實測高光譜遙感圖像進行分類，獲得該高光譜遙感圖像的類別。

2.根據權利要求1所述基于核Fisher自適應學習的高光譜遙感圖像端元分類方法，其特征在于步驟Ⅱ獲得不變結構的最優核函數的過程為：

i），對核參數進行初始化，將初始化后的參數進行編碼后作為候選解；

ii），利用優化目標函數計算所述候選解的適應度，保留適應度大于或等于閾值的候選解，舍棄余下的候選解；

iii），對保留的候選解進行復制、交叉以及變異，生成新的候選解；

iv），對新的候選解進行解碼得到最優核化參數，進而獲得不變結構的最優核函數。

3.根據權利要求1所述基于核Fisher自適應學習的高光譜遙感圖像端元分類方法，其特征在于步驟Ⅲ獲得變結構的最優核函數的過程為：

a），利用高光譜遙感圖像訓練樣本集的標注信息，擴展數據依賴核函數，然后求得所述數據依賴核函數與已知基礎核函數的關系，并求得所述數據依賴核函數的Fisher度量表達式，建立以該數據依賴核函數參數為自變量的Fisher度量函數；

b），根據訓練樣本集的標注信息進行優化目標函數設計，建立一個用于求解最優數據依賴核參數的約束方程；

c），利用循環迭代法對所述約束方程進行計算，獲得以訓練樣本集為變量的最優解表達式，然后將訓練樣本集代入所述最優解表達式，計算獲得自適應參數，進而獲得變結構的最優核函數。