[發明專利]基于類特征迭代隨機采樣的高光譜圖像譜空分類方法有效

申請號：	201910976493.5	申請日：	2019-10-15
公開（公告）號：	CN110738171B	公開（公告）日：	2023-05-05
發明（設計）人：	于浩洋;尚曉笛;宋梅萍;于純妍;王玉磊;趙恩宇;張建祎	申請（專利權）人：	大連海事大學
主分類號：	G06V20/13	分類號：	G06V20/13;G06V10/764
代理公司：	大連東方專利代理有限責任公司 21212	代理人：	姜玉蓉;李洪福
地址：	116026 遼***	國省代碼：	遼寧;21
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于特征隨機采樣光譜圖像分類方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于類特征迭代隨機采樣的高光譜圖像譜空分類方法，其特征在于包括：

根據高光譜圖像數據和地物類別標簽信息計算各類的類特征準則；

根據類特征準則迭代地計算每個類別在分類時應分配的訓練樣本數目；

根據每類已分配的訓練樣本數目和目標地物樣本集參數信息計算目標地物的平均光譜特征和自相關矩陣，其中目標地物樣本集參數信息包括高光譜圖像數據信息、地物類別標簽信息和選取樣本像元的光譜特征；

根據各地物平均光譜特征、自相關矩陣的逆矩陣通過約束能量最小化方法計算針對于該地物、高光譜圖像中每個像元對應的豐度信息，提取豐度信息的空間特征信息，并對所述空間特征進行最大概率準則MAP判定，對像元進行類別歸屬獲取該次分類圖像；

根據分類圖像信息計算相鄰兩次迭代分類結果的相似性系數，判斷所述相似性系數是否已滿足迭代分類的截止條件，若滿足，則迭代結束，該次分類結果即為最終分類結果；若不滿足，則將所述的該次空間特征信息反饋融合至上次迭代的高光譜圖像中、并更新原高光譜圖像數據信息，對融合更新后的數據進行迭代分類。

2.根據權利要求1所述的方法，其特征還在于：根據高光譜圖像數據H和地物類別標簽信息計算各類的類特征準則p^CS，其中p^CS包括p^CD和p^SR，

其中，C_i，C_j為類別i和類別j，1≤i,j≤M，和為C_i在該類特征準則下的值，M為高光譜圖像包含的總類別數目，μ_i為C_i的光譜特征均值，由該類所包含的所有像元計算平均光譜得到，為C_i包含所有像元的方差，n_i為C_i包含的樣本點總數，N為高光譜圖像包含的所有目標地物的樣本總數，

3.根據權利要求2所述的方法，其特征還在于：計算訓練樣本數目時首先設置迭代次數初始值k^training＝1，設置初始所需訓練樣本總數設置所需訓練樣本數目上限和下限；根據不同的類別特征p^CS(C_i)計算在第k^training次迭代時各目標類被分配的訓練樣本數目所有類已分配的訓練樣本數目以及前k^training次迭代下各目標類已分配的訓練樣本總數和已分配的所有樣本總數計算公式為(3)、(4)、(5)和(6)：

其中，表示在第k^training次迭代時，已分配的訓練樣本數目還未達到上限的類別總數；

在第k^training次迭代時，判斷是否滿足迭代停止條件M表示高光譜數據中包含的類別總數，若滿足，迭代停止，得到在所需樣本總數為N^training的條件下最終分配給每類的樣本數目若不滿足，k^training＝k^training+1，在下次迭代中對訓練樣本未達到上限的類別集合重新計算p^CS(C_i)，并對未分配的像元點數目按類別和p^CS(C_i)再次分配。

4.根據權利要求1所述的方法，其特征還在于：通過約束能量最小化得到高光譜圖像中每個像元r_n對應的豐度信息F(r_n)，利用高斯濾波器提取i類目標豐度信息F_i^k(r_n)的空間特征SF_i^k(r_n)，1≤i≤M，并在所述空間特征SF_i^k(r_n)上應用最大概率準則MAP對像元r_n進行類別判定得到該次分類的結果C^k(r_n)，其中

5.根據權利要求1所述的方法，其特征還在于：根據迭代的相鄰兩次分類結果的相似性系數判斷是否已滿足迭代停止條件時：

設定迭代停止閾值TI，根據公式(13)計算相鄰兩次分類結果的相似性系數：

其中，ξ為相似性系數，N為高光譜圖像包含的所有目標地物的樣本總數，n_i為第i類地物目標的樣本總數，為第i類在第k-1次迭代時的分類結果，為第i類在第k次迭代時的分類結果，當k1時，若ξ≥TI，則迭代停止，得到最終分類結果C^final(r_n)＝C^k(r_n)，否則，k＝k+1，將所述的該次空間特征信息SF_i^k(r_n)反饋融合至上次迭代的高光譜圖像中，更新高光譜圖像數據信息，H^k＝H^k-1∪SF_i^k(r_n)，1≤i≤M，對融合更新后的數據重新選取訓練樣本，計算對應的光譜特征d，進行迭代分類。