[發明專利]基于多波段熵率超像素分割的高光譜圖像分類方法

有效

• 申請號: 202110060277.3
• 申請日: 2021-01-18
• 公開（公告）號: CN112733769B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 慕彩紅;劉逸;董志東;吳建設;李陽陽;劉若辰;田小林
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/26;G06V10/764
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 陳宏社;王品華

1.一種基于多波段熵率超像素分割的高光譜圖像分類方法，其特征在于，包括如下步驟：

(1)對高光譜圖像進行多波段熵率超像素分割：

(1a)輸入一幅包含K類不同地物的高光譜圖像和對應的標簽圖其中，K≥2，表示空間符號，m表示X和Y行像素點個數、n表示X和Y列像素點個數，b表示X的光譜波段數；

(1b)在量化區間[0,L]內對X中第i個光譜波段的二維圖像中每個像素點的值x_p,q進行均勻量化，得到均勻量化后的二維圖像X′_i，其中，i∈[1,b]，x_p,q的均勻量化公式為：

其中，x_p,q表示圖像X_i第p行第q列像素點的值，p∈[1,m]，q∈[1,n]，x′_p,q表示x_p,q均勻量化的值，min(·)表示取最小值操作，max(·)表示取最大值操作，ceil(·)表示向下取整操作；

(1c)對每個二維圖像X′_i進行熵率超像素分割，得到C個超像素U_i＝{u_i1,u_i2,...,u_ij,...,u_iC，}，j∈[1,C]，并將u_ij中所有像素點的值設為j，得到每個二維圖像X′_i對應的二維分割標簽圖像S_i，然后將b個二維分割標簽圖像組合成分割標簽圖像其中，u_ij表示第j個超像素；

(2)獲取訓練集和測試集：

(2a)對高光譜圖像X和分割標簽圖像S分別進行標準化處理，并對標準化后的X和標準化后的S分別沿光譜維度方向進行降維，得到預處理后的高光譜圖像和預處理后的分割標簽圖像其中，b₁表示X′的通道數，b₂表示S′的通道數，1≤b₁+b₂≤b；

(2b)沿光譜維度方向對X′與S′進行組合，得到組合圖像

(2c)采用分層抽樣方法從X″中隨機抽取w個像素點組成訓練集X_train＝{x₁,x₂,...,x_t,...,x_w}，并從標簽圖Y中取出對應的w個像素點組成訓練標簽集Y_train＝{y₁,y₂,...,y_t,...y_w}，將X″中剩余的m×n-w個像素點作為測試集X_test，其中，w≤m×n，t∈[1,w]，x_t表示X_train中第t個樣本，y_t表示x_t對應的標簽，y_t∈[1,K]；

(3)對多分類支持向量機分類器進行訓練：

(3a)初始化數量與高光譜圖像X地物類別K相同的多二分類支持向量機分類器M＝{M₁,M₂,...,M_k...,M_K}，每個二分類支持向量機分類器M_k的核函數為徑向基核函數，其中，k∈[1,K]；

(3b)對訓練標簽集Y_train中的每個標簽y_t進行二值化，得到二值化后的訓練標簽集并將X_train和作為每個二分類支持向量機分類器M_k的輸入，通過徑向基核函數對X_train中的每兩個樣本x_t與x_t′進行內積計算，得到內積集合D_train＝{d_t,t′|1≤t≤w,1≤t′≤w}，并通過D_train和對M_k的支持向量集進行求解，得到訓練好的多分類支持向量機分類器M′，其中，d_t,t′表示對x_t與x_t′的內積，x_t′表示X_train中第t′個樣本，y_t的二值化公式為：

其中，表示y_t二值化后的訓練標簽；

(4)獲取高光譜圖像的分類結果：

將測試集X_test作為訓練好的多分類支持向量機分類器M′的輸入進行分類，得到測試集X_test中每個測試樣本的標簽。