[發(fā)明專利]基于空間聚類信息修正的高光譜圖像識(shí)別方法在審
| 申請?zhí)枺?/td> | 201910696090.5 | 申請日: | 2019-07-30 |
| 公開(公告)號: | CN110414438A | 公開(公告)日: | 2019-11-05 |
| 發(fā)明(設(shè)計(jì))人: | 劉凱;趙琛;張血琴;郭裕鈞;吳廣寧;高國強(qiáng);曹保江;李春茂 | 申請(專利權(quán))人: | 西南交通大學(xué) |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06T5/00 |
| 代理公司: | 成都正華專利代理事務(wù)所(普通合伙) 51229 | 代理人: | 何凡 |
| 地址: | 610031*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 高光譜圖像 特征譜段 測試樣本集 像素點(diǎn) 譜線 訓(xùn)練樣本集 高可信度 空間聚類 信息修正 測試樣本 初級分類 加權(quán)算法 物品分類 小窗口 自適應(yīng) 航拍 校正 采集 修正 拍攝 更新 | ||
1.基于空間聚類信息修正的高光譜圖像識(shí)別方法,其特征在于,包括:
S1、獲取無人機(jī)采集的輸電線纜四周設(shè)定范圍內(nèi)的高光譜圖像,并采用黑白校正方法對高光譜圖像進(jìn)行校正;
S2、對預(yù)設(shè)比例的校正后高光譜圖像中每類物品進(jìn)行標(biāo)記作為訓(xùn)練樣本集,余下校正后高光譜圖像作為測試樣本集;
S3、針對每類物品從訓(xùn)練樣本集的高光譜圖像中采集設(shè)定數(shù)量的譜線,并采用競爭性自適應(yīng)重加權(quán)算法提取每類物品譜線的特征譜段;
S4、將每類物品的特征譜段輸入SVM分類器,進(jìn)行交叉訓(xùn)練得到每類物品的最優(yōu)分類C和g值,并采用最優(yōu)分類C和g值更新SVM模型的模型參數(shù);
S5、根據(jù)特征譜段,提取測試樣本集內(nèi)高光譜圖像中譜線對應(yīng)的特征譜段,并將其輸入SVM模型得到測試樣本集中高光譜圖像中物品的初級分類;
S6、在測試樣本集的高光譜圖像中設(shè)置若干連通域,并根據(jù)初步分類判斷連通域中同類物品的像素點(diǎn)數(shù)量是否大于設(shè)定閾值,若是,則將對應(yīng)像素點(diǎn)標(biāo)記為高可信度像素點(diǎn),否則不標(biāo)記;
S7、根據(jù)標(biāo)記的高可信度像素點(diǎn),采用小窗口模型對高光譜圖像所有窗口內(nèi)的像素點(diǎn)進(jìn)行修正,得到更新后的物品分類。
2.根據(jù)權(quán)利要求1所述的基于空間聚類信息修正的高光譜圖像識(shí)別方法,其特征在于,所述根據(jù)標(biāo)記的高可信度像素點(diǎn),采用小窗口模型對高光譜圖像所有窗口內(nèi)的像素點(diǎn)進(jìn)行修正,得到更新后的物品分類進(jìn)一步包括:
A1、采用滑窗的方式判斷高光譜圖像中窗口內(nèi)的圖像灰度差異是否低于灰度閾值;若是,進(jìn)入步驟A2,否則進(jìn)入步驟A4;
A2、則表明窗口內(nèi)物品屬于同一類,之后判斷窗口內(nèi)是否存在高可信度的像素點(diǎn),若存在,則進(jìn)入步驟A3,否則進(jìn)入步驟A4;
A3、將窗口內(nèi)其他像素點(diǎn)修正為與高可信度像素點(diǎn)對應(yīng)的物品,并進(jìn)入步驟A4;
A4、判斷高光譜圖像滑窗是否完成,若是,輸出最終的物品分類結(jié)果,否則返回步驟A1。
3.根據(jù)權(quán)利要求1所述的基于空間聚類信息修正的高光譜圖像識(shí)別方法,其特征在于,還包括根據(jù)訓(xùn)練樣本集中每類物品的特征譜段,對測試樣本集中高光譜圖像進(jìn)行空間信息修正,步驟S7中的高光譜圖像為進(jìn)行空間信息修正后的高光譜圖像。
4.根據(jù)權(quán)利要求3所述的基于空間聚類信息修正的高光譜圖像識(shí)別方法,其特征在于,根據(jù)每類物品的特征譜段,對測試樣本集中高光譜圖像進(jìn)行空間信息修正進(jìn)一步包括:
根據(jù)每類物品的特征譜段,對測試樣本集中高光譜圖像的光譜譜段的反射率進(jìn)行修正:
其中,Xg為擬灰度特征向量;a1,a2,…an分別為n個(gè)特征譜段對應(yīng)的權(quán)重值;x1,x2,…xn為n維光譜特征譜段的反射率,r為次方;
采用空間過濾算法減少同類物品間的灰度差異:
vk=||γ(Xi-xik)||
其中,w為修正窗口邊長,Xi為中心像素;{xi1,…xik}為以Xi為中心像素的窗口內(nèi)像素集合,vk為用于譜段過濾的權(quán)重,k為修正窗口內(nèi)像素個(gè)數(shù);i為第i個(gè)修正窗口;γ為過濾程度系數(shù);||.||為取絕對值。
5.根據(jù)權(quán)利要求1所述的基于空間聚類信息修正的高光譜圖像識(shí)別方法,其特征在于,采用黑白校正方法對高光譜圖像進(jìn)行校正進(jìn)一步包括:
在拍攝平地上放置白板,將拍攝的白板圖像作為白板文件圖像;
將相機(jī)鏡頭蓋至相機(jī)上,相機(jī)處于開啟狀態(tài),以鏡頭全遮蓋為黑板拍攝的圖像為黑板文件圖像;
根據(jù)采集的白板文件圖像和黑板文件圖像,對高光譜圖像進(jìn)行校正:
其中,Iwhite為白板文件圖像;Idark為黑板文件圖像;Iraw為校正前的高光譜圖像;Rcal為校正后的高光譜圖像。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西南交通大學(xué),未經(jīng)西南交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910696090.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 基于振動(dòng)響應(yīng)特性和波谷控制的振動(dòng)輸入譜參數(shù)確定方法
- 基于接觸式圖像傳感器的多譜段圖像重建方法及系統(tǒng)
- 一種多譜段相機(jī)的圖像處理方法
- 一種運(yùn)輸直升機(jī)救火類綜合任務(wù)譜編制方法
- 一種基于能譜測井交叉譜段的鈾礦定量刻度系數(shù)求法
- 一種基于能譜測井特征譜段的鈾礦定量剝離系數(shù)求法
- 一種基于能譜測井特征譜段的鈾礦定量刻度系數(shù)求法
- 一種基于能譜測井交叉譜段的鈾礦定量剝離系數(shù)求法
- 高光譜衛(wèi)星影像全譜段配準(zhǔn)方法及介質(zhì)
- 基于混合網(wǎng)絡(luò)和lp范數(shù)池化的抑郁狀態(tài)檢測方法及裝置





