[發明專利]基于三維Gabor特征選擇的高光譜遙感圖像分類方法及系統

有效

• 申請號: 201610055913.2
• 申請日: 2016-01-27
• 公開（公告）號: CN105740799B
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 賈森;胡杰;謝瑤;沈琳琳
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 深圳市恒申知識產權事務所(普通合伙)44312
• 代理人: 王利彬

技術領域

本發明屬于數據分類領域，尤其涉及一種基于三維Gabor特征選擇與多任務稀疏表示的高光譜遙感圖像分類方法及系統。

背景技術

高光譜遙感圖像是由遙感傳感器在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內，從地面上感興趣的物質上獲取的多光譜影像數據。高光譜遙感圖像包含了豐富的空間、輻射光譜三重信息，在對地面物質分類任務中表現出較好的效果。傳統的分類方法使用常用的分類器(K近鄰，支持向量機)在高光譜遙感圖像上直接進行分類，無法滿足實際的分類效果。鑒于高光譜遙感圖像具有空間、光譜三維結構，像素之間隱藏著豐富的有助于分類的信號變化信息，結合高光譜遙感圖像的空間、光譜信息進行分類的技術逐漸產生。當前，結合空間、光譜信息進行的分類方法主要分為兩種。一種是將空間信息和光譜信息分開使用，用二維空間濾波器提取出每個光譜的二維空間特征，然后使用分類器分類。這種方法獲得的特征信息量不足，空間和光譜之間隱藏的信息沒有被充分利用。另一種是將空間信息和光譜信息融合，使用三維濾波器(3D-Gabor)對高光譜遙感圖像進行濾波，得到包含豐富的空間和光譜三維結構信息的聯合特征，使用聯合特征分類。這種方法提取的特征信息量豐富，提高了分類精度。然而，這種方法提取的特征只反映了數據某一方面的性質，無法準確反映高光譜遙感圖像中數據的本質屬性。

現有技術中有利用多任務分類方法的對高光譜遙感圖像進行分類的方式，目前這種多任務分類技術已經取得了一定的科研成果。YUAN[X.-T.Yuan and S.Yan,“Visual classification with multi-task joint sparse representation,”in IEEE Conference on Computer Vision and Pattern Recognition(CVPR),June 2010,pp.3493–3500.]將多任務和稀疏表示結合起來，提出了一種多任務稀疏表示的分類方案。該方法從圖像中分別提取出顏色、形狀、紋理特征，然后將這三種特征以線性組合的方式進行融合，得到新的具有更強表征能力的顏色、形狀、紋理特征，最后使用多任務稀疏表示進行分類。該方法在分類之前對特征進行融合，這種線性的融合會產生很多冗余信息，而且，由于提取出的特征性質完全不同，不適合線性融合。

LI[J.Li,H.Zhang,L.Zhang,X.Huang,and L.Zhang,“Joint collaborative representation with multitask learning for hyperspectralimageclassification,”IEEE Trans.Geosci.Remote Sens.,vol.52,no.9,pp.5923–5936,2014.]提出了一種多任務協同表示的分類方法。該方法從原來的高光譜遙感圖像中提取光譜、梯度、小波紋理、形狀四種特征，然后分別使用協同表示進行編碼并重構得到各特征的重構誤差，再將四種特征的重構誤差以線性加權的方式進行融合。最后，通過融合后的重構誤差進行分類。該方法在分類階段對特征進行了融合，雖然提高了分類精度，但是在融合重構誤差過程中的加權系數很難確定。而且，當訓練樣本數量較少時，協同編碼的系數沒有唯一解，不適合小樣本分類。

發明內容

本發明所要解決的技術問題在于提供一種基于三維Gabor特征選擇的多任務稀疏表示的高光譜遙感圖像分類方法及系統，旨在解決現有技術在進行高光譜遙感圖像進行分類時產生了大量的不利于分類的冗余信息，降低了分類精度，提高了分類時間復雜度的問題。

本發明是這樣實現的，一種基于三維Gabor特征選擇的高光譜遙感圖像分類方法，包括下述步驟：

步驟A，根據設定的頻率和方向參數值生成若干三維Gabor濾波器；

步驟B，將高光譜遙感圖像與生成的所述若干三維Gabor濾波器進行卷積運算，得到若干三維Gabor特征；

步驟C，從得到的所述若干三維Gabor特征中選擇出對各類分類貢獻度符合預設要求的若干三維Gabor特征；

步驟D，使用選擇出的三維Gabor特征通過多任務稀疏分類方法對高光譜遙感圖像進行分類。

本發明還提供了一種基于三維Gabor特征選擇的高光譜遙感圖像分類系統，包括：

生成單元，用于根據設定的頻率和方向參數值生成若干三維Gabor濾波器；

計算單元，用于將高光譜遙感圖像與生成的所述若干三維Gabor濾波器進行卷積運算，得到若干三維Gabor特征；