[發明專利]一種結合導向濾波和最大概率的高光譜圖像分類方法

在審

• 申請號: 201711044035.5
• 申請日: 2017-10-31
• 公開（公告）號: CN107862330A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 廖建尚;曹成濤;李彩紅
• 申請（專利權）人: 廣東交通職業技術學院
• 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

技術領域

本發明涉及圖像識別領域，更具體地，涉及一種結合導向濾波和最大概率的高光譜圖像分類方法。

背景技術

空譜結合后提高高光譜圖像的分類性能是目前一個研究熱點。目前空間信息提取方法有：1)形態濾波特征提取；2)馬爾科夫隨機場特征提取；3)圖像分割特征提取。利用濾波方法提取高光譜圖像的空間紋理信息開始逐漸增多。

高光譜圖像空間紋理信息提取用于分類的研究中取得了一定成效，但是也存在一些不足：1)空間紋理信息需要進一步挖掘；2)空間紋理信息與光譜信息需要更有效結合來輔助分類來提高分類精度。

發明內容

本發明的目的是解決目前現有空間信息提取方法分類精度不足的缺陷，提出一種結合導向濾波和最大概率的高光譜圖像分類方法。

為實現以上發明目的，采用的技術方案是：

一種結合導向濾波和最大概率的高光譜圖像分類方法，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據集W，其中W＝H+F；

S6：對空間信息數據集W進行SVM分類；

S7：獲得初始分類結果矩陣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，得出地物的分類結果并輸出。

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的自相關系數：corr_I＝BF(I.*I,r)；

S4.4：計算導向圖像I和濾波圖像P的互相關系數：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的協方差：cov_Ip＝corr_Ip-I_m.*P_m；

S4.7：計算系數α：α＝cov_Ip./(var_I+ε)；

S4.8：計算系數β：β＝P_m-α*I_m；

S4.9：計算導向濾波：F_i＝α*G+β。

步驟S6包括以下步驟：

S6.1：隨機從空間信息數據集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：用徑向基函數支持的SVM方法交叉驗證，尋找最優的參數；

S6.3：用徑向基函數支持的SVM對W_s進行訓練，獲取訓練模型；

S6.4：獲取模型后，用徑向基函數支持的SVM對測試集W_t進行分類。

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。

與現有技術相比，本發明的有益效果是：

1)采用導向濾波提取較好的高光譜空間紋理信息，能有效輔助光譜信息提高分類精度；

2)結合導向濾波提取高光譜空間紋理和光譜信息的像元有效分類，為后期結合導向濾波和最大概率方法優化分類結果提供了較好分類基礎。

附圖說明

圖1為本發明流程圖；

圖2為印第安農林數據集圖像分類數據統計圖；

圖3為印第安農林數據集地物分布圖；

圖4為帕維亞大學數據集圖像分類分類數據統計圖；

圖5為帕維亞大學數據集地物分布圖；

圖6為印第安林地物的分類精度對比圖；

圖7為帕維亞大學地物的分類精度對比圖。