[發(fā)明專(zhuān)利]一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110557284.4
• 申請(qǐng)日: 2021-05-21
• 公開(kāi)（公告）號(hào): CN113298137B
• 公開(kāi)（公告）日: 2023-02-24
• 發(fā)明（設(shè)計(jì)）人: 張成龍;付航;蔡麗杰;張愛(ài)華
• 申請(qǐng)（專(zhuān)利權(quán)）人: 青島星科瑞升信息科技有限公司
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/774;G06V10/74
• 代理公司: 成都中弘信知識(shí)產(chǎn)權(quán)代理有限公司 51309
• 代理人: 張芳

本發(fā)明公開(kāi)了一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法，其方法受牛頓萬(wàn)有引力的啟發(fā)，基于數(shù)據(jù)引力的理論對(duì)高光譜影像分類(lèi)，通過(guò)比較像元作用于不同類(lèi)別的引力，將其劃分到最大引力所屬的類(lèi)別，具體地，為了充分利用高光譜數(shù)據(jù)的空間?光譜信息，利用余弦相似度為待分類(lèi)像元的鄰域像素定義局部質(zhì)量，然后通過(guò)聯(lián)合局部區(qū)域計(jì)算待分類(lèi)像元作用于不同類(lèi)別的引力，最后根據(jù)引力的大小為像元分配合理的標(biāo)簽。本發(fā)明利用數(shù)據(jù)引力來(lái)描述數(shù)據(jù)的相似性，通過(guò)引入高光譜影像的空間信息，增加了同質(zhì)像元的聚集性，異質(zhì)像元的可分性，解決了高光譜影像地物分布復(fù)雜、數(shù)據(jù)冗余度高導(dǎo)致的分類(lèi)精度低的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及高光譜影像處理技術(shù)領(lǐng)域，尤其涉及一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法。

背景技術(shù)

高光譜圖像具有高光譜分辨率，通常有數(shù)百個(gè)波段。豐富的光譜信息可以為地面目標(biāo)的精確分類(lèi)提供依據(jù)。近年來(lái)，為了滿(mǎn)足高光譜影像在農(nóng)業(yè)監(jiān)測(cè)、環(huán)境管理等領(lǐng)域的應(yīng)用需求，高光譜影像的分類(lèi)技術(shù)已成為研究熱點(diǎn)。

高光譜影像的分類(lèi)就是根據(jù)影像的特征為像元分配一個(gè)語(yǔ)義標(biāo)簽。早期的研究，一些基于光譜信息的分類(lèi)器如支持向量機(jī)(SVM)、k近鄰(k-NN)和稀疏表示(SR)等取得了一定的成功，但是由于缺乏空間上下文信息的利用，這類(lèi)方法的分類(lèi)結(jié)果通常存在大量的噪聲斑點(diǎn)，難以滿(mǎn)足高光譜影像的應(yīng)用需求。

過(guò)去的幾年來(lái)，為了充分利用高光譜影像的空間特征，許多基于空間-光譜特征的分類(lèi)方法如聯(lián)合稀疏表示(JSR)、聯(lián)合最近鄰(JNN)、聯(lián)合類(lèi)內(nèi)協(xié)同表示(JCR)

相比于傳統(tǒng)的SVM等方法，利用像元的空間領(lǐng)域信息，獲取精度較高的分類(lèi)結(jié)果。但是，當(dāng)待分類(lèi)像元處于異質(zhì)區(qū)域時(shí)，上述方法的區(qū)分性能受異質(zhì)像元的干擾而下降。

近年來(lái)，基于數(shù)據(jù)引力的分類(lèi)方法得到了廣泛關(guān)注。受牛頓萬(wàn)有引力的啟發(fā)，認(rèn)為特征空間的中任意兩個(gè)數(shù)據(jù)點(diǎn)之間存在數(shù)據(jù)引力，可將數(shù)據(jù)引力作為相似性度量來(lái)指導(dǎo)分類(lèi)。由于萬(wàn)有引力大小與兩個(gè)數(shù)據(jù)點(diǎn)之間的距離的平方成正比，與它們的質(zhì)量乘積成正比，因此，相似數(shù)據(jù)點(diǎn)之間通常存在較大的引力。這一特點(diǎn)使數(shù)據(jù)引力在二分類(lèi)問(wèn)題的分類(lèi)中表現(xiàn)出優(yōu)越性。為高光譜影像分類(lèi)提供了潛力。

但是數(shù)據(jù)引力對(duì)多標(biāo)簽數(shù)據(jù)分類(lèi)不適用，并且很少有研究在高光譜分類(lèi)中使用數(shù)據(jù)引力。為了充分利用數(shù)據(jù)引力作為相似性度量的優(yōu)勢(shì)，為此我們提出一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法。

發(fā)明內(nèi)容

基于背景技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提出了一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法，利用余弦相似度為待分類(lèi)像元的領(lǐng)域像素定義局部質(zhì)量，然后通過(guò)聯(lián)合局部區(qū)域計(jì)算待分類(lèi)像元作用于不同類(lèi)別的引力，保證高光譜影像空間-光譜信息的充分利用，最后根據(jù)引力的大小劃分待分類(lèi)像元類(lèi)別。最終得到穩(wěn)定的分類(lèi)結(jié)果。

本發(fā)明提供如下技術(shù)方案：一種基于局部相似度數(shù)據(jù)引力的高光譜影像分類(lèi)方法，包括以下步驟：

S1、選擇待分類(lèi)的高光譜遙感影像Y＝[y₁，y₂，...，y_N]∈i^N×D，其中N是影像的像元個(gè)數(shù)，D是光譜維度，對(duì)影像進(jìn)行預(yù)處理，所述預(yù)處理包含對(duì)每個(gè)像元對(duì)應(yīng)的光譜值進(jìn)行歸一化；

S2、根據(jù)高光譜影像上實(shí)際地物分布與類(lèi)別數(shù)，在圖像上提取樣本集其中M是樣本個(gè)數(shù)，τ_i∈{1，2，...，C}是第i個(gè)樣本的標(biāo)簽，其中C是影像的地物類(lèi)別數(shù)；

S3、基于k次迭代交叉驗(yàn)證的方法，獲取高光譜影像分類(lèi)方法的最佳引力計(jì)算窗口尺度R；

S4、基于高光譜影像分類(lèi)方法對(duì)原始影像進(jìn)行分類(lèi)，具體過(guò)程包含以下步驟；

A、計(jì)算像元與每一個(gè)訓(xùn)練樣本在特征空間中的歐式距離；

B、根據(jù)與中心像元的相似度，計(jì)算每個(gè)像元及其空間領(lǐng)域像素的質(zhì)量；