【技术实现步骤摘要】
本专利技术涉及图像信息处理
,特别是一种基于Hash编码的超光谱遥感图像分类方法。
技术介绍
随着技术手段和传感器性能的提高,越来越大量的超光谱卫星遥感数据被产生了出来。人们迫切需要找到一种能够处理这种大量遥感图像数据的机器学习算法。另一方面,Hash学习技术在近年来成为了一种被广泛使用的处理大数据的机器学习手段。因为在大数据背景下,现有的技术无法高效的处理这些数据,处理时间过长。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足,而提供一种基于Hash编码的超光谱遥感图像分类方法,该方法用于超光谱遥感图像分类中,在保持足够高精度的前提下,这种方法可以大大缩短计算时间。本专利技术为解决上述技术问题采用以下技术方案:根据本专利技术提出的一种基于Hash编码的超光谱遥感图像分类方法,包括以下步骤,步骤一、设原始的遥感图像包含w*h个像素,每个像素都有m个通道,设第i个像素的坐标值为(xi,yi),该像素在所有通道中的取值构成了一个m维的向量;其中,w表示行数,h表示列数;步骤二、对遥感图像的每个像素,各取一个中心位于(xi,yi)的s*s的图像块,此图像块记为i的邻域Ni;其中,s表示图像块的尺寸;步骤三、将步骤二得到的每个图像块进行分段Hash编码处理,生成Hash序列用来表征块的新特征;步骤四、从步骤二中的图像块中随机选取部分图像块,对这部分图像块所对应的Hash序列进行人工分类标注并作为训练集训练一个SVM分类器,将训练好的SVM分类器对未标注的图像块进行分类。作为本专利技术所述的一种基于Hash编码的超光谱遥感图像分类方法进一步优化方 ...
【技术保护点】
一种基于Hash编码的超光谱遥感图像分类方法,其特征在于,包括以下步骤,步骤一、设原始的遥感图像包含w*h个像素,每个像素都有m个通道,设第i个像素的坐标值为(xi,yi),该像素在所有通道中的取值构成了一个m维的向量;其中,w表示行数,h表示列数;步骤二、对遥感图像的每个像素,各取一个中心位于(xi,yi)的s*s的图像块,此图像块记为i的邻域Ni;其中,s表示图像块的尺寸;步骤三、将步骤二得到的每个图像块进行分段Hash编码处理,生成Hash序列用来表征块的新特征;步骤四、从步骤二中的图像块中随机选取部分图像块,对这部分图像块所对应的Hash序列进行人工分类标注并作为训练集训练一个SVM分类器,将训练好的SVM分类器对未标注的图像块进行分类。
【技术特征摘要】
1.一种基于Hash编码的超光谱遥感图像分类方法,其特征在于,包括以下步骤,步骤一、设原始的遥感图像包含w*h个像素,每个像素都有m个通道,设第i个像素的坐标值为(xi,yi),该像素在所有通道中的取值构成了一个m维的向量;其中,w表示行数,h表示列数;步骤二、对遥感图像的每个像素,各取一个中心位于(xi,yi)的s*s的图像块,此图像块记为i的邻域Ni;其中,s表示图像块的尺寸;步骤三、将步骤二得到的每个图像块进行分段Hash编码处理,生成Hash序列用来表征块的新特征;步骤四、从步骤二中的图像块中随机选取部分图像块,对这部分图像块所对应的Hash序列进行人工分类标注并作为训练集训练一个SVM分类器,将训练好的SVM分类器对未标注的图像块进行分类。2.根据权利要求...
【专利技术属性】
技术研发人员:徐军,张倩,刘利卉,周超,鲁浩达,孙明建,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:江苏;32
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。