[發明專利]一種基于導向濾波和線性空間相關性信息的高光譜圖像分類方法有效
| 申請號： | 201710198244.9 | 申請日： | 2017-03-29 |
| 公開（公告）號： | CN107066959B | 公開（公告）日： | 2020-12-18 |
| 發明（設計）人： | 廖建尚;王立國;曹成濤 | 申請（專利權）人： | 廣東交通職業技術學院 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 廣州粵高專利商標代理有限公司 44102 | 代理人： | 林偉斌 |
| 地址： | 510800 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 導向 濾波 線性 空間 相關性 信息 光譜 圖像 分類 方法 | ||
1.一種基于導向濾波和線性空間相關性信息的高光譜圖像分類方法，其特征在于，包括：
接收高光譜圖像數據集；
根據所述高光譜圖像數據集得到空間紋理信息；
根據所述高光譜圖像數據集得到線性空間相關性信息；
將所述高光譜圖像數據集、空間紋理信息和線性空間相關性信息線性融合，得到新數據集；
隨機從所述新數據集以預設比例挑選出訓練集，所述新數據集的其余部分作為測試集；
利用徑向基函數支持的向量機對所述訓練集進行訓練，獲取訓練模型；
利用徑向基函數支持的向量機對所述測試集進行分類，獲取所述高光譜圖像的分類結果；所述根據所述高光譜圖像數據集得到空間紋理信息的步驟包括：
通過特征降維對高光譜數據集進行處理，得到信息量重新分布的高光譜圖像數據集，并利用引導濾波對信息量重新分布的高光譜圖像數據集前面20個成分進行濾波，得到空間紋理信息；
所述根據所述高光譜圖像數據集得到線性空間相關性信息的步驟包括：
根據所述高光譜圖像數據集定義第一高光譜線性空間相關性信息矩陣和第二高光譜線性空間相關性信息矩陣，其中第一高光譜線性空間相關性信息矩陣為水平方向的線性空間相關性信息矩陣，第二高光譜線性空間相關性信息矩陣為豎直方向的線性空間相關性信息矩陣；
將第一高光譜線性空間相關性信息矩陣和第二高光譜線性空間相關性信息矩陣相加，得到線性空間相關性信息；
所述根據所述高光譜圖像數據集定義第一高光譜線性空間相關性信息矩陣和第二高光譜線性空間相關性信息矩陣的步驟包括：
所述高光譜圖像的空間分辨率為M×N，則第一高光譜線性空間相關性信息矩陣Dl為：
第二高光譜線性空間相關性信息矩陣Dv為：
其中，(x,y)為像元在高光譜圖像的位置，M/2為高光譜圖像水平方向的中心位置，N/2為豎直方向的中心位置，Dl(x,y)為每個像元距離水平方向中心位置的距離大小的歸一化，Dv(x,y)為每個像元在縱坐標中距離豎直方向中心位置的距離大小的歸一化。
2.根據權利要求1所述的基于導向濾波和線性空間相關性信息的高光譜圖像分類方法，其特征在于，所述隨機從所述新數據集以預設比例挑選出訓練集，所述新數據集的其余部分作為測試集的步驟之后還包括：
利用徑向基函數支持的向量機方法交叉驗證，尋找最優的參數組合。
3.根據權利要求2所述的基于導向濾波和線性空間相關性信息的高光譜圖像分類方法，其特征在于，所述預設比例為10％的比例。
4.根據權利要求3所述的基于導向濾波和線性空間相關性信息的高光譜圖像分類方法，其特征在于，所述將所述高光譜圖像數據集、空間紋理信息和線性空間相關性信息線性融合，得到新數據集的步驟包括：
將所述高光譜圖像數據集、空間紋理信息和線性空間相關性信息三者相加，得到新數據集。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東交通職業技術學院，未經廣東交通職業技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710198244.9/1.html，轉載請聲明來源鉆瓜專利網。
