【技术实现步骤摘要】
本专利技术属于信息
，涉及模式识别、图像处理技术，具体是一种联合使用高光谱图像光谱信息和空间信息的半监督分类方法。
技术介绍
高光谱图像(光谱分辨率在10l数量级范围内的光谱图像)地物分类是高光谱遥感数据信息处理的重要内容,也是人们从遥感图像上获取有用信息的重要途径。高光谱图像分类是基于图像像元的空间和光谱特性，对每个像元或比较匀质的像元组中所代表的不同类别地物进行类别属性的确定和标注。近年来，随着航天航空技术和遥感传感器技术的不断发展，遥感对地观测系统采集到图像的光谱分辨率也越来越高。这些丰富的光谱信息增加了对感兴趣物体实现更准确识别的可能性。然而高光谱遥感图像光谱分辨率在提升的同时也使得数据维数以及数据量不断增加，并且高光谱图像覆盖区域广，实地勘察困难且周期长，有标签样本的获取需要耗费大量的人力物力，所以有标签样本的数量十分有限。采用监督分类方法对高光谱图像进行分类时，由于高光谱图像数据的高维度与有标签样本数量之间的不平衡，会引起Hughes现象，严重影响了分类器的性能，不能得到很好的分类效果。而半监督分类方法则是综合利用有标签样本和无标签样本中所包含的有用信息，来改善分类器的性能，所以半监督分类方法在有标签样本数量少时也能取得较好的分类效果。传统的分类方法通常只使用数据光谱维上的信息，却忽略了空间维所包含的信息，而且单一的光谱信息对分类精度的提升效果是有限的。
技术实现思路
针对上述现有技术中存在的问题，本专利技术的目的在于，提供一种基于空-谱信息的高光谱图像半监督分类方法，有效地利用光谱图像的空间信息，以更好地解决高光谱图像小样本分类问题。为了...
【技术保护点】
一种基于空‑谱信息的高光谱图像半监督分类方法，其特征在于，包括以下步骤：步骤一，空‑谱信息结合的高光谱图像半监督分类利用主成分分析法和独立成分分析法提取高光谱图像的光谱信息，利用Gabor滤波器组从光谱信息的第一主成分分量中提取高光谱图像的空间信息，将光谱信息和空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法选取出包含信息最丰富的无标签样本扩充到初始训练样本中，以进行初始分类；步骤二，基于边缘保留滤波的分类结果空间优化将初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像以提供类别信息，光谱信息的第一主成分分量作为边缘保留滤波器的参照图像以提供边缘信息，利用边缘保留滤波器在保留图像中原有边缘结构的同时进行局部平滑，从而消除初始分类结果中的斑点状噪声；步骤三，对于待分类的某一像元，将其划分到所属概率最大的一类中，得到最终的分类结果。
【技术特征摘要】
1.一种基于空-谱信息的高光谱图像半监督分类方法，其特征在于，包括以下步骤：步骤一，空-谱信息结合的高光谱图像半监督分类利用主成分分析法和独立成分分析法提取高光谱图像的光谱信息，利用Gabor滤波器组从光谱信息的第一主成分分量中提取高光谱图像的空间信息，将光谱信息和空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法选取出包含信息最丰富的无标签样本扩充到初始训练样本中，以进行初始分类；步骤二，基于边缘保留滤波的分类结果空间优化将初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像以提供类别信息，光谱信息的第一主成分分量...
【专利技术属性】
技术研发人员：彭进业，赵二龙，刘胜杰，王珺，章勇勤，李展，祝轩，周剑虹，艾娜，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。