[發(fā)明專利]高光譜遙感圖像部分遷移方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110914405.6
• 申請(qǐng)日: 2021-08-10
• 公開（公告）號(hào): CN113836996A
• 公開（公告）日: 2021-12-24
• 發(fā)明（設(shè)計(jì)）人: 歐江琳;馬麗
• 申請(qǐng)（專利權(quán)）人: 中國(guó)地質(zhì)大學(xué)（武漢）
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，提供一種高光譜遙感圖像部分遷移方法及系統(tǒng)，包括：S1：獲得源域數(shù)據(jù)X_s和目標(biāo)域數(shù)據(jù)X_t，獲取源域數(shù)據(jù)的標(biāo)簽信息Y_s；S2：獲取源域訓(xùn)練數(shù)據(jù)S3：獲得邊緣分布自適應(yīng)后的源域數(shù)據(jù)和邊緣分布自適應(yīng)后的目標(biāo)域數(shù)據(jù)S4：訓(xùn)練獲得目標(biāo)域數(shù)據(jù)的偽標(biāo)簽S5：獲得條件分布自適應(yīng)后的源域數(shù)據(jù)和條件分布自適應(yīng)后的目標(biāo)域數(shù)據(jù)X'_t；S6：計(jì)算獲得最終的目標(biāo)域數(shù)據(jù)的預(yù)測(cè)標(biāo)簽本發(fā)明有效解決部分遷移中因源域數(shù)據(jù)的地物類別比目標(biāo)域多而帶來(lái)的負(fù)遷移；分布自適應(yīng)依賴的一階統(tǒng)計(jì)特性代表了地物的平均光譜屬性，可以使兩個(gè)領(lǐng)域的數(shù)據(jù)有效對(duì)齊；使用的目標(biāo)域數(shù)據(jù)不帶有任何標(biāo)簽信息，降低了獲取標(biāo)記樣本的難度。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，尤其涉及一種高光譜遙感圖像部分遷移方法及系統(tǒng)。

背景技術(shù)

高光譜遙感圖像分類是對(duì)一幅高光譜遙感圖像中的地面物體的光譜信息和空間信息進(jìn)行分析，再通過(guò)特征選擇，將高光譜遙感圖像中的各個(gè)像素點(diǎn)按不同的特征劃分為不同的類別，以此來(lái)得到高光譜遙感圖像對(duì)應(yīng)的地面物體的類別信息。在高光譜遙感圖像分類領(lǐng)域，現(xiàn)在面臨的問(wèn)題一是獲取樣本的類別標(biāo)簽困難，需要花費(fèi)大量的人力、物力去標(biāo)記，如何在只有少量標(biāo)記樣本的情景下實(shí)現(xiàn)高光譜遙感圖像分類成為了當(dāng)前亟待解決的難題；二是由于高光譜遙感圖像采集的時(shí)間不同、不同批次的圖像拍攝的角度不同等原因，獲取到的高光譜遙感數(shù)據(jù)通常是不同分布的。由于傳統(tǒng)機(jī)器學(xué)習(xí)算法要求數(shù)據(jù)同分布，且需要足夠多的標(biāo)記樣本，因而在數(shù)據(jù)不同分布的情況下，傳統(tǒng)的機(jī)器學(xué)習(xí)不能很好地解決高光譜遙感圖像分類中的問(wèn)題。

遷移學(xué)習(xí)是將從已有的領(lǐng)域中學(xué)習(xí)到的知識(shí)應(yīng)用到新的相關(guān)領(lǐng)域解決問(wèn)題的一種機(jī)器學(xué)習(xí)算法，其目的是把已有知識(shí)遷移到新領(lǐng)域，學(xué)習(xí)一個(gè)適用于新數(shù)據(jù)的分類器，能夠?qū)π碌臄?shù)據(jù)有很好的分類效果。遷移學(xué)習(xí)能夠解決訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)不是同分布的問(wèn)題，因此，它能夠很好地解決現(xiàn)有的遙感圖像分類領(lǐng)域存在的問(wèn)題，是一種十分有效的分類算法。在遷移學(xué)習(xí)算法中，通常假設(shè)帶有類別標(biāo)簽的舊數(shù)據(jù)稱為源域數(shù)據(jù)，缺乏標(biāo)記樣本的待分類的數(shù)據(jù)稱為目標(biāo)域數(shù)據(jù)，并且源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)的地物類型是一致的。但實(shí)際場(chǎng)景中，我們往往只知道源域數(shù)據(jù)類別，不知道目標(biāo)域數(shù)據(jù)類別。我們將在目標(biāo)域數(shù)據(jù)類別是源域數(shù)據(jù)類別的子集這一特殊情景下實(shí)現(xiàn)的遷移學(xué)習(xí)算法稱為部分遷移學(xué)習(xí)，研究部分遷移學(xué)習(xí)的分類問(wèn)題具有重要的現(xiàn)實(shí)意義。

部分遷移學(xué)習(xí)的目的就是利用已有的大量的標(biāo)記樣本來(lái)對(duì)未知類別的數(shù)據(jù)進(jìn)行分類，即假設(shè)已有的源域數(shù)據(jù)足夠豐富，源域本身就包含了目標(biāo)域的類別，用類別較多的源域數(shù)據(jù)去分類類別較少的目標(biāo)域數(shù)據(jù)，得到目標(biāo)域數(shù)據(jù)的類別標(biāo)簽。現(xiàn)有的遷移學(xué)習(xí)算法通常是將整個(gè)源域與目標(biāo)域?qū)R，由于源域和目標(biāo)域數(shù)據(jù)類別不匹配，因此容易出現(xiàn)負(fù)遷移現(xiàn)象。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于，解決現(xiàn)有技術(shù)中，由于源域和目標(biāo)域數(shù)據(jù)類別不匹配，容易出現(xiàn)負(fù)遷移現(xiàn)象的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種高光譜遙感圖像部分遷移方法，包括：

S1：獲取遙感圖像，根據(jù)所述遙感圖像獲得源域數(shù)據(jù)X_s和目標(biāo)域數(shù)據(jù)X_t，獲取所述源域數(shù)據(jù)的標(biāo)簽信息Y_s；

S2：挑選所述源域數(shù)據(jù)X_s中與所述目標(biāo)域數(shù)據(jù)X_t近鄰的源域訓(xùn)練數(shù)據(jù)

S3：對(duì)所述源域訓(xùn)練數(shù)據(jù)和所述目標(biāo)域數(shù)據(jù)X_t進(jìn)行整體中心對(duì)齊處理，獲得邊緣分布自適應(yīng)后的源域數(shù)據(jù)和邊緣分布自適應(yīng)后的目標(biāo)域數(shù)據(jù)

S4：通過(guò)所述邊緣分布自適應(yīng)后的源域數(shù)據(jù)和所述邊緣分布自適應(yīng)后的目標(biāo)域數(shù)據(jù)訓(xùn)練支持向量機(jī)分類器獲得目標(biāo)域數(shù)據(jù)的偽標(biāo)簽