一种高光谱图像光谱域与空间域联合分类方法技术

本发明专利技术公开了一种高光谱图像光谱域与空间域联合分类方法，包括在光谱域中对高光谱图像进行预分类：读取高光谱图像数据，并将高光谱图像数据归一化，随机生成训练样本集合和测试样本集合；计算训练样本集合中每一类的类中心；计算训练样本集合中每一类的类中心；计算训练样本集合中每一类别内各样本的特征向量与类中心的向量夹角；按照贝叶斯决策规则对测试样本进行预分类；在空间域中对预分类结果进行优化：采用马尔可夫随机场对预分类结果进行优化，最后，输出高光谱图像的分类结果。本发明专利技术采用马尔可夫随机场的空间约束对分类结果进行迭代优化，提高了分类精度。

【技术实现步骤摘要】

本专利技术属于高光谱图像处理领域，尤其涉及一种高光谱图像光谱域与空间域联合 分类方法。
技术介绍
高光谱成像技术源于遥感技术，是近年来迅速发展的一种全新成像技术，它结合 了光谱技术和成像技术，将二维几何空间信息和一维光谱信息融为一体，利用成像光谱仪 获取连续、窄波段的图像数据，实现了对目标空间信息、光谱信息的同步获取，因而在相关 领域具有巨大的应用价值和广阔的发展前景。 高光谱图像可反映地面上物体的空间信息和光谱信息，其数量庞大。高光谱图像 分类利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域归为若干个类别 中的某一种，以代替人的视觉判读，目的在于区分高光谱图像中的多种物体。 高光谱图像分类问题一直备受关注。现有的分类方法多种多样，如光谱角匹配 (SAM)，支持向量机（SVM)，最大期望算法（EM)，k近邻算法（k-NN)，AdaBoost，神经网络 (NN)，分类回归树（CART)等算法，虽然这些方法在高光谱图像中展现了很大潜力，但是这 些方法都是基于光谱域特征实现高光谱图像的目标分类。而高光谱图像包含丰富的图谱信 息，除了相应的光谱域特征以外，还包含了丰本文档来自技高网...

【技术保护点】
一种高光谱图像光谱域与空间域联合分类方法，其特征在于，包括：步骤(1)：在光谱域中对高光谱图像进行预分类，步骤(1.1)：读取高光谱图像数据，并将高光谱图像数据归一化，随机生成训练样本集合和测试样本集合；步骤(1.2)：计算训练样本集合中每一类的类中心；步骤(1.3)：采用SAM方法计算训练样本集合中每一类别内各样本的特征向量与类中心的向量夹角；步骤(1.4)：将获取的向量夹角的高斯化，并计算高斯分布的每一类内的向量夹角的均值和方差；步骤(1.5)：按照贝叶斯决策规则对测试样本进行预分类；步骤(2)：在空间域中对预分类结果进行优化，得到优化后的高光谱图像预分类结果；采用马尔可夫随机场对预分类结...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘治，唐波，肖晓燕，聂明钰，常军，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37