[發明專利]基于LBP特征的超像素空譜多核高光譜圖像分類方法

在審

• 申請號: 202110447325.4
• 申請日: 2021-04-25
• 公開（公告）號: CN113065518A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 占偉偉;蕢露超;周傳龍;牟蘇斌;褚孔統;王輝;李佳琪;李坪澤;袁思佳;馬寧
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

本發明提供了基于LBP特征的超像素空譜多核高光譜圖像分類方法。首先，將經過主成分分析法降維的圖像，用超像素分割生成帶有超像素索引的高光譜圖像。然后，采用加權平均濾波和LBP算法提取超像素間和超像素內的空間特征得到超像素間的空間核和超像素內的空間核，聯合已提取到的光譜核進行融合。最后，將這個組合核輸入到支持向量機分類器中生成分類結果圖。本發明將LBP算法與超像素結合，用LBP算法來提取超像素內的邊緣特征信息，可以有效解決傳統的多核方法用超像素內所有像素的平均值來代替超像素內所有像素值導致的像素邊緣信息丟失以及邊緣像素類別劃分不準確的問題，實現分類精度與效率的提升。

技術領域

本發明涉及高光譜遙感圖像處理技術領域，尤其涉及一種基于LBP(Local BinaryPattern，局部二值模式)特征的超像素空譜多核高光譜圖像分類方法。

背景技術

高光譜遙感的出現是遙感界的一場革命，它使本來在寬波段遙感中不可探測的物質，在高光譜遙感中能被探測。高光譜圖像可以獲得數百條相同的窄帶光譜通道，并能提供更豐富的光譜信息，以支持各種地表覆蓋材料的精細識別。因此，高光譜圖像受到越來越多的關注，它被應用到分類、目標檢測、異常檢測、光譜解混等方面。而其中的高光譜圖像分類任務又對地質勘探農作物檢測、國防軍事等領域起著實質性的重要作用，值得更加深入的研究。

然而，在高光譜圖像分類廣泛應用的同時，它也面臨著巨大的挑戰，例如著名的休斯(Hughes)現象。Hughes現象是指在高光譜分析過程中，隨著參與運算波段數目的增加，分類精度“先增后降”的現象。為了解決這一問題，特征提取被看作是高光譜圖像處理的一個關鍵步驟。然而，由于光譜特征的空間變異性，高光譜圖像特征提取是高光譜圖像處理中最具挑戰性的任務之一。

最常用的高光譜圖像特征提取方法是核方法，因其采用簡單的線性加權方式，可以實現空間信息和光譜信息的聯合學習與利用。核方法是指為了充分挖掘和利用高光譜數據蘊含的光譜信息和空間信息，構造新型核函數，實現樣本相似性度量意義下不同異構特征融合，進而在SVM框架下完成分類，以有效提高分類性能。從近年研究進展來看，針對高光譜核函數的設計經歷了光譜加權核、空譜混合核、多核學習三個階段。與僅考慮光譜信息的分類方法相比，結合空間信息和光譜信息的分類方法能夠取得更好的分類效果。然而，由于空間核所采用的空間區域的大小和形狀是固定的，常常導致高光譜圖像的空間紋理無法得到充分的利用。

超像素分割能夠根據高光譜圖像的空間結構自適應的改變區域的形狀，并且利用像素之間特征的相似性將像素分組，用少量的超像素代替大量的像素來表達圖片特征，能夠很大程度上降低圖像后處理的復雜度。基于超像素的復合核方法將超像素看作一個局部鄰域，可以利用超像素來獲得空間信息，從而避免了最佳空間鄰域的選擇。基于超像素的多核方法利用多個核函數來有效利用超像素的光譜空間信息，相比較基于超像素的單核方法，基于超像素的多核方法不僅利用了超像素內的空間信息，也利用了超像素間的空間信息，分類精度更高。然而，基于超像素的方法也存在缺陷：超像素內空間信息用像素的均值來表示，會丟失超像素內像素的邊緣信息。

發明內容

本發明提供了基于LBP特征的超像素空譜多核高光譜圖像分類方法，以解決現有的基于超像素的方法的超像素內空間信息用像素的均值來表示，會丟失超像素內的邊緣信息，導致圖像分類的效率低、精度差等問題。

本發明提供的基于LBP特征的超像素空譜多核高光譜圖像分類方法，包括以下步驟：

步驟1，采用熵率超像素分割算法對高光譜圖像進行索引，生成帶有超像素索引的高光譜圖像；

步驟2：利用所述帶有超像素索引的高光譜圖像獲得三個核函數，所述三個核函數包括光譜核、基于超像素內的空間核和基于超像素間的空間核；

步驟3：將得到的所述三個核函數進行融合，將獲得的融合結果輸入支持向量機分類器，完成訓練后進行分類，得到分類結果圖。

進一步地，在一種實現方式中，所述步驟1包括：