[發明專利]一種高光譜圖像分類方法

在審

• 申請號: 201710406644.4
• 申請日: 2017-06-02
• 公開（公告）號: CN107247966A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 胡敏剛
• 申請（專利權）人: 太倉韜信信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06K9/46
• 代理公司: 常州市權航專利代理有限公司32280
• 代理人: 袁興隆

技術領域

本發明涉及信息處理技術領域，更具體地涉及一種高光譜圖像分類方法。

背景技術

遙感技術經過20世紀后半葉的發展，在理論上、技術上和應用上均發生了重大的變化。遙感圖像分類是遙感地理信息系統中的關鍵技術之一，快速、高精度的遙感圖像自動分類算法是實現環境的動態監測、評價、預報的關鍵。高光譜遙感圖像是光譜分辨率在10～20 nm的光譜遙感圖像，可獲得幾百個地物波段的光譜信息，具有波段數眾多、非線性、空間相關性和譜間相關性共存、難以獲得樣本標記等特點。

通過搭載在不同空間平臺上的成像光譜儀，在電磁波譜的紫外、可見光、近紅外和中紅外區域，以數十至數百個連續且細分的光譜波段對目標區域同時成像。在獲得地表圖像信息的同時，也獲得其光譜信息，第一次真正做到了光譜與圖像的結合。與多光譜遙感影像相比，高光譜影像不僅在信息豐富程度方面有了極大的提高，在處理技術上，對該類光譜數據進行更為合理、有效的分析處理提供了可能。

高光譜遙感圖像由衛星或飛機上攜帶傳感器記錄而成，圖像數據包含像素的2種誤差：輻射誤差和幾何誤差。輻射誤差可以通過某些計算方法進行補償，而幾何誤差由于其產生因素較復雜，其影響很難完全去除，這就使得高光譜圖像不同程度上具有非線性的特性，造成圖像很難進行線性擬合，也難以用線性分類器對高光譜圖像進行正確分類。另外，高光譜數據在空間上和波段上存在著大量冗余。

針對上述問題，本發明提出一種高光譜圖像分類方法，適合高光譜遙感圖像應用場合，盡量減小輻射誤差和幾何誤差影響，提高分類精度，壓縮數據，提高分類速度。

發明內容

發明目的

本發明提出了一種高光譜圖像分類方法，采用新型機器學習算法，減小輻射誤差和幾何誤差影響，快速、準確地實現高光譜遙感圖像分類。

本發明所采用的技術方案

本發明提出的一種高光譜圖像分類方法，包括如下步驟：

(1)對要分類的圖像進行多尺度分割；

(2)對多尺度分割后的圖像進行顯著圖提取；

(3)對顯著圖提取后的圖像進行特征提取；

(4)對提取的圖像特征進行歸一化；

(5)對歸一化后的圖像特征用非線性核函數方法分類。

更進一步，在所述步驟(1)中，將圖像劃分成M×N塊，修改所述劃分后圖像的結構信息表示。

更進一步，在所述步驟(2)中,采用基于圖形的視覺顯著性的自下而上的顯著性模型，提取圖像的顯著圖。

更進一步，在所述步驟(3)中,保留圖像對應位置處的像素值，提取這些像素值的顏色特征，顏色特征包括RGB顏色特征，HSV顏色特征和灰度顏色特征，RGB顏色指紅色Red，綠色Green和藍色Blue首字母縮寫，HSV顏色指色調Hue，飽和度Saturation和亮度Value首字母縮寫。

更進一步，在所述步驟(4)中,定義能量函數ε，通過最小化能量函數ε，對圖像特征進行歸一化。

更進一步，在所述步驟(5)中,非線性核函數方法通過非線性映射，將圖像特征映射到高維特征空間，在高維空間中構造分類判決進行分類，非線性核函數方法具體是指高斯過程、支持向量機、核主成分分析、核函數費舍爾判別法、核投影尋蹤法中的一種。

本發明所產生的技術效果

本發明提出的一種高光譜圖像分類方法，采取多尺度分割、顯著圖提取、特征提取等手段，大幅壓縮了圖像數據量，分類速度快；采取歸一化、核函數方法等手段，通過非線性映射，減少了輻射誤差和幾何誤差影響，使得高光譜圖像分類精度更高。

附圖說明

圖1一種高光譜圖像分類方法。

具體實施方式

實施例

高光譜遙感實驗數據一是AVIRIS傳感器于1992年拍攝的220個波段印第安納州西北區域高光譜遙感圖像。

(1)對要分類的圖像進行多尺度分割，將圖像劃分成4×4塊，修改所述劃分后圖像的結構信息表示；

(2)對多尺度分割后的圖像進行顯著圖提取，采用基于圖形的視覺顯著性的自下而上的顯著性模型，提取圖像的顯著圖；

視覺顯著性或點分布通常用于獲得通用的顯著性和強調不同的局部區域，如輪廓、邊緣和顏色;