[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?zhí)枺?/td>: 201410032183.5
• 申請日: 2014-01-23
• 公開（公告）號: CN103745233B
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計）人: 緱水平;劉芳;張觀侶;馬文萍;馬晶晶;侯彪
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: 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，涉及對高光譜遙感圖像的處理,可用于礦產(chǎn)探測、資源調(diào)查及環(huán)境監(jiān)測。

背景技術(shù)

伴隨著遙感技術(shù)的發(fā)展和成像設(shè)備的進步，光學遙感技術(shù)進入了高光譜遙感時代，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數(shù)據(jù)，將人們通過遙感技術(shù)觀測和認識地物的能力帶入了一個嶄新的階段。針對由成像光譜儀采集得到的高光譜遙感數(shù)據(jù)，如何對其中蘊含的海量信息進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)并帶來了機遇。通過對高光譜遙感數(shù)據(jù)進行有效的分類，能夠更加深入的挖掘高光譜遙感圖像在礦產(chǎn)探測、資源調(diào)查以及環(huán)境監(jiān)測等方面的應(yīng)用。

分類按照是否需要事先標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記樣本，一般易于實現(xiàn)，但是由于沒有標記樣本的指導，得到的分類效果往往不是很理想。有監(jiān)督分類一般是在標記樣本的指導下進行分類，在訓練樣本充足的情況下能獲得不錯的分類效果，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、貝葉斯算法等在訓練樣本充足的情況下能獲得不錯的分類效果，但是由于高光譜圖像波段數(shù)目多的原因，分類速度慢，而且受標記樣本是否充足的影響很大，常常需要大量標記樣本，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中的已標記樣本X_i和標記標簽Y_i，X_i是高光譜圖像中第i個樣本的特征向量，Y_i是與已標記樣本X_i相對應(yīng)的標記標簽，Y_i∈{1,2,...,k}，k是高光譜圖像中的類別數(shù)目；

（3）隨機選出高光譜圖像中的10個波段數(shù)據(jù)作為目標域樣本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算法對源域樣本D_S進行聚類，得到源域樣本D_S的聚類結(jié)果，計為總空間信息D_o；

（5）將標記樣本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記樣本，得到新的標記樣本X_j和新的標記標簽Y_j；

（6）根據(jù)新的標記樣本X_j和標記標簽Y_j進行學習，得到支持向量機分類器SVM；

（7）用支持向量機SVM對目標域樣本D_T進行分類，得到分類標簽l；

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

1、本發(fā)明通過引入遷移學習的方法，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；同時通過引入其它波段的空間信息，提高了分類的準確性；

2、本發(fā)明針對用SVM算法進行高光譜圖像分類時標記樣本點少的問題，通過遷移其它波段的空間信息來增加標記樣本點，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分布標簽；

圖4是本發(fā)明中對高光譜數(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。

具體實施方式

參照圖1，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：