[發明專利]主動學習和鄰域信息相結合的高光譜圖像分類方法

在審

• 申請號: 201410453096.7
• 申請日: 2014-09-05
• 公開（公告）號: CN104182767A
• 公開（公告）日: 2014-12-03
• 發明（設計）人: 慕彩紅;焦李成;王依萍;劉紅英;熊濤;馬文萍;馬晶晶;田小林;云智強
• 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: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種主動學習和鄰域信息相結合的高光譜圖像分類方法，包括如下步驟：

(1)把大小為m×n的待分類高光譜圖像中的所有像元作為總樣本集X，在總樣本集X中隨機選擇1％的樣本進行專家標記，作為已標記樣本集X_l，將其余樣本集X_u作為未標記樣本集，并用已標記樣本集X_l對初始的SVM分類器進行訓練，設置最大迭代次數T，T>0，并開始第一次迭代；

(2)用訓練后的SVM分類器根據主動學習的采樣策略從未標記樣本集X_u中挑選出信息含量最大的q個樣本，由專家進行標記，其中q<X_u；

(3)將專家標記后的q個樣本放入已標記樣本集X_l中，并將該q個樣本從未標記樣本集X_u中移除，得到更新后的已標記樣本集X_l’和未標記樣本集X_u’，令已標記樣本集X_l＝X_l’，未標記樣本集X_u＝X_u’；

(4)用已標記樣本集X_l重新對SVM分類器進行訓練，完成一次迭代；

(5)根據停止準則判斷是否退出迭代：如果達到最大迭代次數，則退出迭代，繼續下一步驟，否則返回步驟2，進行下一次迭代，并使迭代次數加一；

(6)利用步驟(4)中訓練好的SVM分類器對未標記樣本集X_u進行測試得到初始測試結果；

(7)應用已標記樣本集X_l中每個樣本的鄰域信息對步驟(6)中的測試結果進行修正，得到最終分類結果：

(7a)對于已標記樣本集X_l中的一個樣本(x_li,y_li)，判斷與其相鄰的四個樣本x_li-n,x_li-1,x_li+1,x_li+n是否在未標記樣本集X_u中：如果在，分別求樣本x_li-n,x_li-1,x_li+1,x_li+n與x_li的光譜相關系數S_li-n,S_li-1,S_li+1,S_li+n；如果不在，則初始測試結果中樣本x_li-n,x_li-1,x_li+1,x_li+n對應的標簽不變，其中，x_li為樣本的特征向量，y_li為樣本的標簽，li<X_l，n為待分類高光譜圖像的列數；

(7b)將光譜相關系數S_li-n,S_li-1,S_li+1,S_li+n分別與設定的閾值ω進行大小比較，根據比較的結果對初始測試結果中對應樣本的標簽進行修正，其中0.95<ω<1；

(7c)重復步驟(7a)和(7b)對已標記樣本集X_l中所有的樣本進行修正，得到的修正結果則為最終的分類結果。

2.根據權利要求1中所述的方法，其中步驟(2)所述的用訓練后的SVM分類器根據主動學習的采樣策略從未標記樣本集X_u中挑選出信息含量最大的q個樣本，由專家進行標記，其步驟如下：

(2a)對于未標記樣本集X_u＝{x_u1，x_u2，…,x_un}，分別計算每個樣本x_u1，x_u2，…,x_un與上一次迭代過程中訓練得到的SVM分類器的分類面之間的距離，記做|f(x_u1)|,|f(x_u2)|,…|f(x_un)|；

(2b)對該un個距離值|f(x_u1)|,|f(x_u2)|,…|f(x_un)|進行從小到大的排序；

(2c)選擇前q個距離最小的未標記樣本進行標記。

3.根據權利要求1中所述的方法，其中步驟(7b)所述的將光譜相關系數S_li-n,S_li-1,S_li+1,S_li+n分別與設定的閾值ω進行大小比較，根據比較結果對初始測試結果中對應樣本的標簽進行修正，按如下規則進行：

如果S_li-n>ω，則把初始測試結果中樣本x_li-n對應的標簽修正為y_li；如果S_li-n≤ω，則初始測試結果中樣本x_li-n的標簽不變；

如果S_li-1>ω，則把初始測試結果中樣本x_li-1對應的標簽修正為y_li；如果S_li-1≤ω，則初始測試結果中樣本x_li-1的標簽不變；

如果S_li+1>ω，則把初始測試結果中樣本x_li+1對應的標簽修正為y_li；如果S_li+1≤ω，則初始測試結果中樣本x_li+1的標簽不變；

如果S_li+n>ω，則把初始測試結果中樣本x_li+n對應的標簽修正為y_li；如果S_li+n≤ω，則初始測試結果中樣本x_li+n的標簽不變。