[發(fā)明專利]Beltrami流和遞歸濾波的高光譜圖像分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710578518.7
• 申請(qǐng)日: 2017-07-12
• 公開(kāi)（公告）號(hào): CN107480593B
• 公開(kāi)（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 廖建尚;曹成濤;黎新華;林曉輝
• 申請(qǐng)（專利權(quán)）人: 廣東交通職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

本發(fā)明涉及Beltrami流和遞歸濾波的高光譜圖像分類方法，采用兩種濾波器將高光譜圖像光譜信息提取為空間信息并進(jìn)行分類，有效利用了邊緣結(jié)構(gòu)信息和空間相關(guān)性信息；其中，Beltrami流濾波提取高光譜圖像的邊緣結(jié)構(gòu)信息，有效輔助SVM進(jìn)行像元分類，同時(shí)，域轉(zhuǎn)換遞歸濾波獲得高光譜圖像的空間相關(guān)信息，彌補(bǔ)Beltrami流濾波中的不總，結(jié)合后得到最好的分類性能，有效提高了高光譜圖像的分類精度。

技術(shù)領(lǐng)域

本發(fā)明涉及高光譜遙感圖像處理的技術(shù)領(lǐng)域，特別涉及Beltrami流和遞歸濾波的高光譜圖像分類方法。

背景技術(shù)

目前，對(duì)高光譜圖像分類的方法有形態(tài)濾波特征提取、馬爾科夫隨機(jī)場(chǎng)特征提取、圖像分割特征提取；其中，通過(guò)成像光譜儀可以獲得達(dá)到幾百個(gè)波段光譜信息的高光譜遙感圖像，具有波段多，光譜分辨率高，分類結(jié)果中椒鹽噪聲嚴(yán)重影響分類結(jié)果的應(yīng)用；高光譜圖像空間分辨率低，空間紋理信息還有待進(jìn)一步挖掘；同時(shí)，地物分布往往具有統(tǒng)一性，在提取空間紋理信息時(shí)容易去除像元間的空間相關(guān)性。

發(fā)明內(nèi)容

本發(fā)明為解決現(xiàn)有技術(shù)存在的高光譜圖像空間分辨率低、高光譜圖像分類情況差等缺陷，提供Beltrami流和遞歸濾波的高光譜圖像分類方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是：

Beltrami流和遞歸濾波的高光譜圖像分類方法，包括以下步驟：

Beltrami流和遞歸濾波的高光譜圖像分類方法，其特征在于：包括以下步驟：

S1.輸入高光譜圖像；

S2.將高光譜圖像歸一化，形成高光譜數(shù)據(jù)集R；

S3.對(duì)高光譜數(shù)據(jù)集R進(jìn)行PCA降維：對(duì)于有l(wèi)個(gè)波段的高光譜數(shù)據(jù)集R進(jìn)行PCA降維，選擇前面n維的數(shù)據(jù)組成新的數(shù)據(jù)集H：

H＝PCA(R)；

S4.基于步驟S3，用Beltrami流濾波對(duì)PCA降維后的數(shù)據(jù)集H根據(jù)公式(1)進(jìn)行濾波，獲取空間信息R_mp：

其中，為圖像Rⁱ的第k次迭代，h_t為時(shí)間步長(zhǎng)，和分別為高光譜波段圖像Rⁱ在x與y方向的梯度，

S5.基于步驟S2，用域轉(zhuǎn)換遞歸濾波對(duì)高光譜數(shù)據(jù)集R根據(jù)公式(2)進(jìn)行域轉(zhuǎn)換標(biāo)準(zhǔn)卷積濾波，獲取空間信息D_ts：

其中，d＝f(y_n)-f(y_n-1)，a^d是反饋系數(shù)，d為兩個(gè)相鄰像元y_n和y_n-1在轉(zhuǎn)換域Ω_w中的距離；

S6.基于步驟S4和步驟S5，對(duì)獲取的空間信息D_mp和空間信息D_ts按照以下公式進(jìn)行結(jié)合，獲取結(jié)合后的空間信息W：

W＝R_mp+D_ts； (3)

S7.基于步驟S6，將結(jié)合后的空間信息W進(jìn)行分類，并輸出分類結(jié)果。