带有标签学习的遥感图像的半监督多视图特征选择方法技术

带有标签学习的高分遥感图像的半监督多视图特征选择方法，属于高分遥感图像的半监督特征选择技术领域。本发明专利技术是为了解决现有高分遥感图像特征选择方法中，当只有少量的对象被标出时，监督和无监督的方法不能达到足够好的性能以及视图在高分图像的特征中不可用的问题。它包括以下步骤：一、采集原始图像特征集，生成特征组；二、通过类概率矩阵yu以及含有专属组信息的对角矩阵F，计算获得由所有特征组中所有特征向量的权重系数构成的原始特征权重系数矢量β；三、迭代计算特征权重系数矢量β，选定预设个数的权重系数，将选定的权重系数对应的全体特征向量作为选择出的特征集。本发明专利技术用于高分遥感图像的特征选择。

【技术实现步骤摘要】

本专利技术涉及带有标签学习的高分遥感图像的半监督多视图特征选择方法，属于高分遥感图像的半监督特征选择

技术介绍
高分图像VHR可以捕获小或窄的对象，因此，他们可以用来发展相应的能够用来持续监控和地图更新的基础设施。这个应用经常使用基于对象的图像分析方法OBIA来运用像素点间的空间关系，以应付在使用逐像素点分类器时的椒盐效应。OBIA可以提取大量的特征。由于并非所有的特征对于分类都是有益的，并且分类性能可能会随着特征的数量增加而降低，因此为了解决这个问题，特征选择就成了重要的问题。空间，质地和形状的特征可以被从VHR图像中提取出，并被视为图像的不同特征组。为了更好地组织和突出特征组之间的相似性和差异，这些特征可以被认为是多视图数据。据我们所知，高分图像的一些多视图模型在不考虑他们在其他共同体的效率的情况下被发展起来。此外，为了学习不同试图之间的内在关系，并同时减少冗余特征，多视图的一些特征选择方法被发展起来。多视图特征选择的方法与单一视图的功能选择方法不同。多视图本文档来自技高网...

【技术保护点】
一种带有标签学习的高分遥感图像的半监督多视图特征选择方法，其特征在于，它包括以下步骤：步骤一：采集原始图像特征集，将原始图像特征集使用相似性传播算法生成多个不相交的特征组，每一个特征组代表同一主题的数据特征；步骤二：通过类概率矩阵yu以及含有专属组信息的对角矩阵F，计算获得由所有特征组中所有特征向量的权重系数构成的原始特征权重系数矢量β；步骤三：采用前一次计算获得的特征权重系数矢量β更新含有专属组信息的对角矩阵F，再迭代计算特征权重系数矢量β，直至相邻两次计算获得的特征权重系数矢量β的差值满足预设定阈值，选取其中较大的一个作为最终的特征权重系数矢量β，在最终的特征权重系数矢量β中，将权重系数由...

【技术特征摘要】
1.一种带有标签学习的高分遥感图像的半监督多视图特征选择方法，其特征在于，它
包括以下步骤：
步骤一：采集原始图像特征集，将原始图像特征集使用相似性传播算法生成多个
不相交的特征组，每一个特征组代表同一主题的数据特征；
步骤二：通过类概率矩阵yu以及含有专属组信息的对角矩阵F，计算获得由所有特
征组中所有特征向量的权重系数构成的原始特征权重系数矢量β；
步骤三：采用前一次计算获得的特征权重系数矢量β更新含有专属组信息的对角矩
阵F，再迭代计算特征权重系数矢量β，直至...

【专利技术属性】
技术研发人员：陈曦，宿富林，刘玮，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23