[發明專利]基于空間校正的半監督自訓練的高光譜遙感圖像分類方法

在審

• 申請號: 202111455830.X
• 申請日: 2021-12-01
• 公開（公告）號: CN114399687A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 武越;白壯飛;肖鄭磊;王善峰;公茂果;慕貴峰;苗啟廣
• 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;G06V10/762;G06V10/774;G06K9/62;G06N3/04;G06N3/08;G06V10/82;G06V20/10
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王萌

1.一種基于空間校正的半監督自訓練的高光譜遙感圖像分類方法，其特征在于，所述方法包括：

步驟1：按照光譜通道數量，對待分類高光譜遙感圖像進行切分，以得到光譜切片數據集，其中，光譜切片數據數量與光譜通道數量相同；

步驟2：在每個光譜切片數據中，基于局部圖像塊提取光譜空間特征，以得到待分類高光譜遙感圖像對應的光譜空間特征集；

步驟3：基于預設算法對所有局部圖像塊進行聚類，以得到多個初始簇；

步驟4：按照語義信息，對局部圖像塊簇進行合并處理，以得到目標簇；

步驟5：計算每個目標簇的置信度；

步驟6：對目標簇中的每個未標記局部圖像塊賦偽標記集；

步驟7：基于空間局部約束策略，重復步驟2至步驟7，對偽標記集進行迭代校正，以完成高光譜遙感圖像的分類。

2.根據權利要求1所述的方法，其特征在于，所述步驟2包括：

步驟2-1：以每個光譜切片數據中的每個像元為中心，按照預設尺寸值截取得到局部圖像塊集合；其中，局部圖像塊數量與像元數量相同；

步驟2-2：對每個光譜切片數據對應的所有局部圖像塊進行卷積網絡編碼，以得到光譜空間特征集合。

3.根據權利要求1所述的方法，其特征在于，初始簇中包括已標記局部圖像塊和/或未標記局部圖像塊。

4.根據權利要求3所述的方法，其特征在于，所述步驟4包括：

步驟4-1：識別每個初始簇中的已標記局部圖像塊；

步驟4-2：當初始簇中包括已標記局部圖像塊時，將已標記局部圖像塊對應的語義信息，確定為初始簇的語義標簽；或者，當初始簇中僅包括未標記局部圖像塊時，將初始簇的語義標簽確定為未知；

步驟4-3：將具有相同語義標簽的初始簇，合并為一個目標簇。

5.根據權利要求1所述的方法，其特征在于，所述步驟5包括：

步驟5-1：計算每個目標簇中的已標記局部圖像塊數量，表示為：

步驟5-2：計算所有目標簇中的已標記局部圖像塊平均數量，表示為：

其中，K是真實語義類別的數目，N_c是目標簇的數目，N_p,i是第i個簇內所含的局部圖像塊數量，pt(i,j,q)表示在第i個簇內第j個局部圖像塊的語義標簽是q；當q＝0時，表示該語義標簽類別是背景，pt(i,j,q)等于0，或者，等于1；

步驟5-3：計算目標簇中的已標記局部圖像塊純度，將語義標簽為f的局部圖像塊在第i個目標簇內的純度計算為：

其中，PURE_i,max是PURE_i,f中的最大值。

6.根據權利要求1所述的方法，其特征在于，所述步驟6包括：

步驟6-1：以目標簇中的每個未標記局部圖像塊為中心，確定正方形領域；其中，正方形鄰域對應有多個語義標簽，每個語義標簽對應有權重值；

步驟6-2：對所有語義標簽進行歸類；

步驟6-3：根據預設權重，根據權重值，對每類語義標簽計分；

步驟6-4：根據計分結果，對每類語義標簽進行排序；

步驟6-5：根據排序結果，為目標簇中的每個未標記局部圖像塊賦偽標記集。

7.根據權利要求1所述的方法，其特征在于，所述步驟7之前包括：

通過已標記局部圖像塊，訓練得到預設分類器。

8.根據權利要求1所述的方法，其特征在于，所述對偽標記集進行迭代校正包括：

當目標簇的數量小于預設閾值時，確定偽標記集的迭代校正完成；或者，所有未標記局部圖像塊均被賦偽標記集，確定偽標記集的迭代校正完成。