[發明專利]一種基于主動學習的高光譜圖像分類方法

有效

• 申請號: 201410066856.9
• 申請日: 2014-02-26
• 公開（公告）號: CN103839078B
• 公開（公告）日: 2017-10-27
• 發明（設計）人: 王爽;焦李成;吳林生;侯彪;馬文萍;馬晶晶;牛東
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安智萃知識產權代理有限公司61221
• 代理人: 李東京

1.一種基于主動學習的高光譜圖像分類方法，其特征在于：包括如下步驟：

1)對高光譜圖像的每一個樣本即像素，提取譜特征與空間特征，將提取譜特征與空間特征融合為一個特征向量；

2)將所有樣本隨機劃分為測試數據集與訓練數據集，訓練數據集被進一步隨機劃分為已標記數據集和未標記數據集；

3)在已標記數據集上構造初始集成分類器；

4)每一次迭代，根據新的信息量度量準則挑選出固定數目的最高信息量的未標記樣本用于人工標記；

5)利用最終得到的集成分類器進行預測；

所述步驟1)是按以下步驟進行的：

(1a)利用主成分分析PCA算法提取高光譜圖像的譜特征，若干個主成分能夠包含圖像的大部分信息；

(1b)在每一個主成分的基礎上進行形態學開和閉運算，提取形態學特征；

(1c)將提取出來的譜特征和形態學特征融入一個特征向量，形成每一個樣本即像素的新特征；

所述步驟4)按如下過程進行：

4a)對每一個未標記樣本x_u，按照新的信息量度量準則計算它的信息量：

Info(xu)=-Σiv(yi)mlogv(yi)m+(-Σipθ(yi|xu)log pθ(yi|xu))/c]]>

上式中，第一項由集成分類器決定，y_i取遍所有的可能的標記，v(y_i)為所有那些預測得到的類別標記是y_i的分類器的數目，m為集成大小，第二項由引入的模型決定，θ為引入的模型，p_θ(y_i|x_u)表示由模型預測得到的未標記樣本x_u屬于類別y_i的類概率，c是一個常數；

4b)根據信息量排序未標記樣本；

4c)選出n個具有最大的信息量的未標記樣本；

4d)人工標記這n個樣本，并加入到已標記數據集中；

4e)在擴大的已標記數據集上重新構造集成分類器；

4f)重復步驟(4a)～步驟(4e)直到已標記樣本的數量達到訓練集合的20％時停止。