[發(fā)明專利]一種結(jié)合導向濾波和最大概率的高光譜圖像分類方法

在審

• 申請?zhí)枺?/td>: 201711044035.5
• 申請日: 2017-10-31
• 公開（公告）號: CN107862330A
• 公開（公告）日: 2018-03-30
• 發(fā)明（設(shè)計）人: 廖建尚;曹成濤;李彩紅
• 申請（專利權(quán)）人: 廣東交通職業(yè)技術(shù)學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 林麗明

1.一種結(jié)合導向濾波和最大概率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1；

S2：對高光譜圖像1進行歸一化；

S3：對高光譜圖像1進行PCA降維，獲得第1主成分；

S4：對PCA的前面N個主成分進行導向濾波，獲得空間信息F；

S5：將高光譜圖像1中的光譜信息H和空間信息F進行線性融合得到空間信息數(shù)據(jù)集W，其中W＝H+F；

S6：對空間信息數(shù)據(jù)集W進行SVM分類；

S7：獲得初始分類結(jié)果矩陣Lable；

S8：輸入PCA第1成分作為濾波圖像；

S9：獲取地物類型總數(shù)L；

S10：獲取第i個地物分布矩陣作為濾波圖像P；

S11：對濾波圖像P進行引導濾波；

S12：獲得L個二維概率矩陣；

S13：最大概率確定地物標簽，得出地物的分類結(jié)果并輸出。

2.根據(jù)權(quán)利要求1所述的一種結(jié)合導向濾波和最大概率的高光譜圖像分類方法，其特征在于，步驟S4中的導向濾波包括以下步驟：

S4.1：計算導向圖像I的均值：I_m＝BF(I,r)；

S4.2：計算濾波圖像P的均值：P_m＝BF(P,r)；

S4.3：計算導向圖像I的自相關(guān)系數(shù)：corr_I＝BF(I.*I,r)；

S4.4：計算導向圖像I和濾波圖像P的互相關(guān)系數(shù)：corr_Ip＝BF(I.*P,r)；

S4.5：計算導向圖像I的方差：var_I＝corr_I-I_m.*I_m；

S4.6：計算導向圖像I和濾波圖像P的協(xié)方差：cov_Ip＝corr_Ip-I_m.*P_m；

S4.7：計算系數(shù)α：α＝cov_Ip./(var_I+ε)；

S4.8：計算系數(shù)β：β＝P_m-α*I_m；

S4.9：計算導向濾波：F_i＝α*G+β。

3.根據(jù)權(quán)利要求1所述的一種結(jié)合導向濾波和最大概率的高光譜圖像分類方法，其特征在于，步驟S6包括以下步驟：

S6.1：隨機從空間信息數(shù)據(jù)集W中以一定比例隨機抽取訓練集W_s，其余部分作為測試集W_t；

S6.2：用徑向基函數(shù)支持的SVM方法交叉驗證，尋找最優(yōu)的參數(shù)；

S6.3：用徑向基函數(shù)支持的SVM對W_s進行訓練，獲取訓練模型；

S6.4：獲取模型后，用徑向基函數(shù)支持的SVM對測試集W_t進行分類。

4.根據(jù)權(quán)利要求1所述的一種結(jié)合導向濾波和最大概率的高光譜圖像分類方法，其特征在于，步驟S11中所述的導向濾波的步驟跟步驟S4中導向濾波的步驟相同。