[發明專利]基于分層概率模型的高光譜圖像分類方法

有效

• 申請號: 201410609850.1
• 申請日: 2014-11-02
• 公開（公告）號: CN104318252B
• 公開（公告）日: 2017-11-14
• 發明（設計）人: 侯彪;黃泰民;王爽;焦李成;張向榮;馬文萍
• 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: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 湯東鳳

1.一種基于分層概率模型的高光譜圖像分類方法，包括如下步驟：

步驟1，對待分類的原始高光譜圖像進行譜域降維；

步驟2，對降維后的每個譜段圖像做相同數量的形態學開關操作，采用半徑大小逐一增大的圓形形態學結構元素來做形態學處理，得到所有坐標點的特征向量；

步驟3，將步驟2得到的所有坐標點的特征向量與每個譜段圖像本身的所有坐標點的特征向量堆疊在一起得到新的所有坐標點的特征向量；

步驟4，在步驟3中得到的新的所有坐標點的特征向量中選出在標準分類圖中有專家標簽標注的坐標點的特征向量，對選出的所有特征向量，做歸一化處理，也就是均值取零，方差取1，得到歸一化處理后的特征向量；

步驟5，使用步驟4中得到的歸一化處理后的特征向量訓練分層概率模型，得到訓練后的分層概率模型；

步驟6，由步驟4得到的歸一化處理后的特征向量，依據標準分類圖，對標準分類圖中每一類隨機選出10％的數據，也就是對每一類有專家標簽標注的所有坐標點隨機選出10％的坐標點，將其對應的特征向量作為訓練數據，剩余的作為測試數據；

步驟7，將步驟6得到的訓練數據和測試數據投影到經過步驟5訓練好的分層概率模型中，獲得訓練數據和測試數據在分層概率模型這個新空間下的新的特征表示；

步驟8，使用分層概率模型下訓練數據新的特征表示訓練支撐向量機，再使用訓練好的支撐向量機對分層概率模型下測試數據的新的特征表示做有監督分類。

2.根據權利要求1所述的基于分層概率模型的高光譜圖像分類方法，其中步驟1對待分類的原始高光譜圖像進行譜域降維，采用主分量分析降維的方法，提取譜域上的主要信息。

3.根據權利要求1所述的基于分層概率模型的高光譜圖像分類方法，其中，對待分類的原始高光譜圖像進行譜域降維，將待分類的原始高光譜圖像降維為19個譜段。

4.根據權利要求1所述的基于分層概率模型的高光譜圖像分類方法，其中步驟5包括如下步驟：

將步驟4中歸一化處理后的特征向量輸入到分層概率模型，調整分層概率模型中的參數，也就是訓練出分層概率模型中的參數，用最大似然方法與梯度上升結合的方法來做參數估計；

一旦分層概率模型參數確定下來，在分層概率模型中輸入x，便求出y，y即為輸入x在分層概率模型下新的特征表示，x為特征向量。