[發明專利]基于改進K-means算法的高光譜圖像分類方法及裝置

在審

• 申請號: 202010465998.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111611954A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 馬御棠;王達達;錢國超;彭慶軍;黃然;周仿榮;趙加能
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/12
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

本申請涉及高光譜圖像處理技術領域，特別地，涉及一種基于改進K?means算法的高光譜圖像分類方法及裝置。一定程度上可以解決高光譜遙感的圖像光譜維度高、聚類中心獲取不合理、分類耗時的問題。所述方法采用帶權重的歐式距離作為距離函數，能有效的提升了高光譜圖像的分類精度。首先對原始圖像進行預處理，使用主成分分析方法降低高光譜圖像的光譜維度，然后對數據進行歸一化處理。將完整的圖像數據輸入到將加權歐式距離作為距離函數的K?means算法進行分類，最終得到高光譜圖像中每個像素的分類結果。

技術領域

本申請涉及高光譜圖像處理技術領域，特別地，涉及一種基于改進K-means算法的高光譜圖像分類方法及裝置。

背景技術

遙感圖像越來越多地被應用于氣象預測、植被分析、地質勘探、海洋遙感、環境檢測以及城市規劃等領域。有關高光譜圖像的分類技術的應用一直以來都是其中一個備受關注的應用方向，其目的是對高光譜圖像中每個像素點對應的地表物體類別實現準確判定。然而在實際應用中，由于光譜數據量龐大且波段間的信息相關性強且主次影響關系難以分清，要獲得較為滿意的分類精度是一件具有挑戰性的工作。

目前應用于圖像分類的算法大多集中在監督算法上，該系列的方法顧及地物的光譜，紋理等信息，在分類效果上已經取得一定的成果，然而卻存在一些問題，如嚴重依賴地面采樣數據，人為干擾程度大，自動化程度低的特點。

然而高光譜圖像的波段較多，場景復雜，同時聚類中心和距離函數的選擇對K-means算法的分類效果影響較大，使得K-means算法在高光譜遙感圖像分類中的分類效果較差，在分類精度上仍有很大的提升空間。。

發明內容

本申請提供了一種基于改進K-means算法的高光譜圖像分類方法及裝置，通過降低高光譜圖像的維數、歸一化處理數據、構建遺傳算法初始聚類、根據樣本到類中心的加權歐氏距離進行劃分類，一定程度上可以解決高光譜遙感的圖像光譜維度高、聚類中心獲取不合理、分類耗時的問題。

本申請的實施例是這樣實現的：

本申請實施例的第一方面提供一種基于改進K-means算法的高光譜圖像分類方法，所述方法包括：

S1、獲取具有標簽的高光譜圖像原始數據，所述圖像中每個像素對應一個樣本；

S2、采用主成分分析方法對高光譜圖像進行處理，降低所述高光譜圖像的維數，并對所述原始數據進行歸一化處理；

S3、利用遺傳算法初始k個類的類中心；

S4、計算每一個樣本到每個類中心的加權歐氏距離，將所述樣本劃分到距離最小的類；

S5、在滿足收斂條件時，得到高光譜圖像分類結果；否則，重新計算特征權值，重復步驟S4。

本申請實施例的第二方面提供一種基于改進K-means算法的高光譜圖像分類裝置，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執行所述計算機程序時執行如本申請實施例的第一方面提供發明內容中任意一項所述的方法。

本申請實施例的第三方面提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，當所述計算機指令中的至少部分指令被處理器執行時，實現本申請實施例的第一方面提供發明內容中任意一項所述的方法。

本申請的有益效果在于：通過遺傳算法來初始化聚類中心，將聚類中心作為遺傳信息，并編碼為字符串，可以減少運算時間，提高分類精度；進一步通過構建加權歐式距離作為K-means算法的距離函數，可以體現特征之間的相互關系加權，實現將不同權重的特征統計進距離中，可有效提高分類精度。

附圖說明