[發明專利]一種基于哈希學習的高光譜圖像分類方法

有效

• 申請號: 201810012064.1
• 申請日: 2018-01-05
• 公開（公告）號: CN108171270B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 于純妍;宋梅萍;趙猛;張建祎
• 申請（專利權）人: 大連海事大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 大連至誠專利代理事務所(特殊普通合伙) 21242
• 代理人: 涂文詩;董彬

1.一種基于哈希學習的高光譜圖像分類方法，其特征在于，包括：

將高光譜圖像做零均值化處理，得到高光譜數據均值；

根據所述高光譜數據均值和樣本均值的確定真實圖像中每一類地物的非目標地物的光譜特征；

根據所述光譜特征定義哈希函數，并計算所述哈希函數的偏移量、最大特征向量；

根據所述偏移量、最大特征向量提取哈希語義特征；

根據所述提取的哈希語義特征進行高光譜圖像分類；

所述根據定義哈希函數計算矩陣M的最大特征向量，包括：

定義哈希函數h為

h(x)＝sgn(w^Tx+b) (1)

其中，w是子空間投影向量，b為偏移量，x為像元向量；

根據第i(1＝i＝p)類目標類別中心與非第i類類別中心之間的距離，

采用公式

計算單獨類間的隸屬度，cb1為單獨類間的隸屬度, 其中，d_i為目標類別的聚類中心,u_i為非第i類類別的聚類中心

根據第i類目標類別中心與第j類類別中心之間的距離，采用公式

計算所有目標地物類間隸屬度，cb2為所有目標地物類間隸屬度；

根據第i類樣本像元之間的距離，采用公式

計算第i類樣本的單獨類內隸屬度，cw1為第i類樣本的單獨類內隸屬度，其中r_i為i類的像元；

根據第i類樣本像元r_i與像元四鄰域r_Ni之間的距離，采用公式

計算第i類樣本的鄰域類內隸屬度，cw2為第i類樣本的鄰域類內隸屬度；

根據第i類樣本像元之間的距離，采用公式

計算第i類樣本與其他類別之間的類內隸屬度，cw3為第i類樣本與其他類別之間的類內隸屬度；

根據所述單獨類間的隸屬度、所有目標地物類間隸屬度、單獨類內隸屬度、第i類樣本的類內隸屬度以及第i類樣本與其他類別之間的鄰域類內隸屬度確定損失函數為：

其中，cB為目標地物的類內隸屬度，cW為地物間的類間隸屬度；

根據所述損失函數對所述單獨類間的隸屬度、所有目標地物類間隸屬度、單獨類內隸屬度、第i類樣本的類內隸屬度以及第i類樣本與其他類別之間的鄰域類內隸屬度進行哈希學習，得到

cw1＝w^Tcw1′w (8)

cw2＝w^Tcw2′w (9)

cw3＝w^Tcw3′w (10)

cb1＝w^Tcb1′w (11)

cb2＝w^Tcb2′w (12)

根據優化目標函數為

引入拉格朗日乘子

計算矩陣M的特征值集合{v}和特征向量集合{e}，其中將特征值集合中最大的特征值v_max對應的特征向量記為w_max，即所求的W的值為w_max，對所有的目標類別均采用相同的操作，得到w_max(i)，其中w_max(i)表示第i類的w_max值；

利用以下公式對參數b進行哈希學習，得到b

b＝mean(w^Tx) (15)。

2.根據權利要求1所述的方法，其特征在于，所述根據所述偏移量、最大特征向量提取哈希語義特征，包括：

采用公式：

計算第i類地物的哈希函數中的偏移量b_i，r_i是第i個像元，class(i)是第i個類別的像元集合；

根據所述偏移量、所述最大特征向量提取哈希語義特征為：

r_h＝sgn(r*w_max(i)+b_i) (17)

其中，r表示像元，r_h表示最大特征向量提取的哈希語義特征；

根據所述哈希語義特征提取其第i類地物對應的二進制哈希語義特征為：

其中，r_hash表示二進制哈希語義特征。