[發(fā)明專利]基于空間信息遷移的高光譜圖像分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410032183.5
• 申請(qǐng)日: 2014-01-23
• 公開（公告）號(hào): CN103745233B
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 緱水平;劉芳;張觀侶;馬文萍;馬晶晶;侯彪
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 王品華,朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及對(duì)高光譜遙感圖像的處理,可用于礦產(chǎn)探測(cè)、資源調(diào)查及環(huán)境監(jiān)測(cè)。

背景技術(shù)

伴隨著遙感技術(shù)的發(fā)展和成像設(shè)備的進(jìn)步，光學(xué)遙感技術(shù)進(jìn)入了高光譜遙感時(shí)代，高光譜遙感技術(shù)的出現(xiàn)和發(fā)展將使得遙感成像設(shè)備以更快的速度、更高的分辨率、更大的信息量為人類提供海量的觀測(cè)數(shù)據(jù)，將人們通過遙感技術(shù)觀測(cè)和認(rèn)識(shí)地物的能力帶入了一個(gè)嶄新的階段。針對(duì)由成像光譜儀采集得到的高光譜遙感數(shù)據(jù)，如何對(duì)其中蘊(yùn)含的海量信息進(jìn)行充分而且有效的利用，給廣大的科研工作者和技術(shù)人員提出的挑戰(zhàn)并帶來了機(jī)遇。通過對(duì)高光譜遙感數(shù)據(jù)進(jìn)行有效的分類，能夠更加深入的挖掘高光譜遙感圖像在礦產(chǎn)探測(cè)、資源調(diào)查以及環(huán)境監(jiān)測(cè)等方面的應(yīng)用。

分類按照是否需要事先標(biāo)記樣本可以分為有監(jiān)督分類、無監(jiān)督分類和半監(jiān)督分類。無監(jiān)督分類由于其不需要人工去標(biāo)記樣本，一般易于實(shí)現(xiàn)，但是由于沒有標(biāo)記樣本的指導(dǎo)，得到的分類效果往往不是很理想。有監(jiān)督分類一般是在標(biāo)記樣本的指導(dǎo)下進(jìn)行分類，在訓(xùn)練樣本充足的情況下能獲得不錯(cuò)的分類效果，所以有監(jiān)督分類在高光譜圖像分類中被廣泛應(yīng)用。一些常用的有監(jiān)督分類算法，如SVM算法、貝葉斯算法等在訓(xùn)練樣本充足的情況下能獲得不錯(cuò)的分類效果，但是由于高光譜圖像波段數(shù)目多的原因，分類速度慢，而且受標(biāo)記樣本是否充足的影響很大，常常需要大量標(biāo)記樣本，否則分類效果不理想。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述SVM算法在高光譜遙感圖像中分類的缺陷，提出一種基于空間信息遷移的高光譜圖像分類方法，以加快分類速度，提高分類正確率。

為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟：

（1）輸入高光譜圖像I_R×N，R是光譜中大小為m×n的一個(gè)波段，N為高光譜圖像的波段數(shù)目；

（2）輸入高光譜圖像I_R×N中的已標(biāo)記樣本X_i和標(biāo)記標(biāo)簽Y_i，X_i是高光譜圖像中第i個(gè)樣本的特征向量，Y_i是與已標(biāo)記樣本X_i相對(duì)應(yīng)的標(biāo)記標(biāo)簽，Y_i∈{1,2,...,k}，k是高光譜圖像中的類別數(shù)目；

（3）隨機(jī)選出高光譜圖像中的10個(gè)波段數(shù)據(jù)作為目標(biāo)域樣本D_T，從高光譜圖像中剩余的波段中再另選取出10個(gè)波段數(shù)據(jù)作為源域樣本D_S；

（4）用基于高斯混合模型的EM算法對(duì)源域樣本D_S進(jìn)行聚類，得到源域樣本D_S的聚類結(jié)果，計(jì)為總空間信息D_o；

（5）將標(biāo)記樣本X_i結(jié)合源域樣本D_T的空間信息，在總空間信息D_o的約束下遷移樣本至已標(biāo)記樣本，得到新的標(biāo)記樣本X_j和新的標(biāo)記標(biāo)簽Y_j；

（6）根據(jù)新的標(biāo)記樣本X_j和標(biāo)記標(biāo)簽Y_j進(jìn)行學(xué)習(xí)，得到支持向量機(jī)分類器SVM；

（7）用支持向量機(jī)SVM對(duì)目標(biāo)域樣本D_T進(jìn)行分類，得到分類標(biāo)簽l；

本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：

1、本發(fā)明通過引入遷移學(xué)習(xí)的方法，充分利用了高光譜圖像波段間的信息，減少了需要使用的波段數(shù)目，使分類速度加快；同時(shí)通過引入其它波段的空間信息，提高了分類的準(zhǔn)確性；

2、本發(fā)明針對(duì)用SVM算法進(jìn)行高光譜圖像分類時(shí)標(biāo)記樣本點(diǎn)少的問題，通過遷移其它波段的空間信息來增加標(biāo)記樣本點(diǎn)，減少了人力和物力的消耗，大大的提高了分類正確率。

附圖說明

圖1是本發(fā)明的總流程圖；

圖2是本發(fā)明所使用的高光譜遙感圖像的灰度圖；

圖3是本發(fā)明中所使用高光譜圖像的真實(shí)分布標(biāo)簽；

圖4是本發(fā)明中對(duì)高光譜數(shù)據(jù)用EM算法聚類得到的空間信息；

圖5是本發(fā)明中對(duì)高光譜數(shù)據(jù)用SVM分類方法得到的結(jié)果；

圖6是本發(fā)明中用基于空間信息遷移的高光譜圖像分類方法的結(jié)果。

具體實(shí)施方式

參照?qǐng)D1，本發(fā)明基于空間信息遷移的高光譜圖像分類方法，包括如下步驟：