[發(fā)明專利]基于多流形的多時(shí)相高光譜圖像分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611033506.8
• 申請(qǐng)日: 2016-11-16
• 公開（公告）號(hào): CN106778490B
• 公開（公告）日: 2020-08-11
• 發(fā)明（設(shè)計(jì)）人: 谷延鋒;張美玲
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 哈爾濱華夏松花江知識(shí)產(chǎn)權(quán)代理有限公司 23213
• 代理人: 岳昕

基于多流形的多時(shí)相高光譜圖像分類方法，本發(fā)明涉及多時(shí)相高光譜遙感圖像分類方法。本發(fā)明的目的是為了解決如何利用多個(gè)時(shí)相的互補(bǔ)信息來解決多時(shí)相高光譜數(shù)據(jù)標(biāo)簽獲取困難，時(shí)相圖之間存在明顯光譜漂移的問題。具體過程為：一、輸入X^s1,X^s2,X^t和它們的空間坐標(biāo)L₁,L₂,L₃，以及Y₁，Y₂；二、計(jì)算d₁₃，d₂₃，d₁₂,源圖像中的每一類樣本都在目標(biāo)圖像中選擇空譜距離最小的k個(gè)樣本，得到三組需要匹配的數(shù)據(jù)對(duì)；三、計(jì)算D^s1,s1、D^s2,s2、D^t,t，以及D^s1,s2、D^s1,t、D^s2,t；四、調(diào)整X^s2,X^t的數(shù)據(jù)尺度，構(gòu)建多流形距離矩陣D；五、得到投影f^s1,f^s2,f^t；六、獲得目標(biāo)時(shí)相的分類標(biāo)簽。本發(fā)明用于圖像分類領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及多時(shí)相高光譜遙感圖像分類方法。

背景技術(shù)

隨著光學(xué)傳感器和分光技術(shù)的發(fā)展，在多光譜遙感成像技術(shù)的基礎(chǔ)上高光譜遙感成像技術(shù)得到快速的發(fā)展。高光譜成像技術(shù)綜合了成像技術(shù)和光譜技術(shù)，能夠同時(shí)記錄待探測(cè)區(qū)域的空間結(jié)構(gòu)信息和豐富的光譜信息，并且隨著遙感技術(shù)的發(fā)展，如今可以提供大面積區(qū)域，具有空間上和時(shí)間上序列性，用于地物感知和監(jiān)測(cè)的高光譜多時(shí)相圖像數(shù)據(jù)。多時(shí)相高光譜圖像使得多時(shí)相分析，多角度研究，精準(zhǔn)的地物改變探測(cè)成為可能。然而為每一幅時(shí)相圖都提供充足標(biāo)簽信息實(shí)現(xiàn)精確的分類是不現(xiàn)實(shí)的，尤其是這些圖像的類別在空間上不一致的時(shí)候。因此我們常常只能依賴單個(gè)時(shí)相的地物真值圖來處理多個(gè)時(shí)相的數(shù)據(jù)。

多時(shí)相的高光譜數(shù)據(jù)分類主要面臨三個(gè)主要問題：1、波段數(shù)不斷增多，導(dǎo)致信息的冗余和數(shù)據(jù)處理復(fù)雜度的增加；2、高光譜圖像有標(biāo)簽樣本獲取十分不易，需要消耗大量的人力、物力而且耗時(shí)；3、多時(shí)相高光譜圖像中可能會(huì)有光譜漂移的現(xiàn)象，導(dǎo)致來自不同時(shí)相的圖像數(shù)據(jù)有不可靠的光譜相似性。

現(xiàn)有的利用流形對(duì)準(zhǔn)框架的多時(shí)相分類方法大多只考慮了兩個(gè)時(shí)相圖，如典型的半監(jiān)督的流形對(duì)準(zhǔn)方法，基于流形學(xué)習(xí)的多時(shí)相分類方法而忽略了多個(gè)時(shí)相之間可能存在的信息互補(bǔ)。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決如何利用多個(gè)時(shí)相的互補(bǔ)信息來解決多時(shí)相高光譜數(shù)據(jù)標(biāo)簽獲取困難，時(shí)相圖之間存在明顯光譜漂移的問題，而提出基于多流形的多時(shí)相高光譜圖像分類方法。

基于多流形的多時(shí)相高光譜圖像分類方法具體過程為：

步驟一、輸入源圖像1、源圖像2和目標(biāo)圖像中樣本的光譜矩陣X^s1,X^s2,X^t和它們的空間坐標(biāo)L₁,L₂,L₃，以及X^s1,X^s2各行相應(yīng)類別標(biāo)簽向量Y₁，Y₂；

步驟二、計(jì)算X^s1、X^t的空譜距離矩陣d₁₃，X^s2、X^t的空譜距離矩陣d₂₃，X^s1、X^s2的空譜距離矩陣d₁₂,源圖像中的每一類樣本都在目標(biāo)圖像中選擇空譜距離最小的k個(gè)樣本，得到三組需要匹配的數(shù)據(jù)對(duì)；