基于联合双边滤波与极限学习机的高光谱图像分类方法技术

本发明专利技术公开了一种基于联合滤波与超限学习机的高光谱图像分类方法,通过将高光谱图像进行归一化处理，用主成份分析的方法对高光谱图像提取第一主成分；用提取完的第一主成分作为引导图和归一化后高光谱图像的每一层光谱进行空间上的滤波处理，从而形成修正后的高光谱分类图像；将修正后的高光谱图像随机取一定数量的样本作为训练数据集并将训练数据集根据已知的分类信息进行类别标记，剩下样本的作为测试数据集；用标记后的训练样本对超限学习机分类器进行分类训练；最后用训练完的超限学习机对测试数据集进行分类预测，从而达到提升分类精度的效果。

Hyperspectral image classification method based on joint bilateral filtering and extreme learning machine

The invention discloses a classification method of hyperspectral image filtering and transfinite based learning machine, the hyperspectral images are normalized to the first principal component of hyperspectral image extraction method by principal component analysis; first principal component extraction end as a guide map and normalized after each layer of spectral hyperspectral image the filtering space, thus forming the image corrected hyperspectral classification; sample hyperspectral images were taken after a certain number of correction as the training data set and training data set for labeling the letter according to the classification of information known, the rest of the samples as a test data set for the classification training of transfinite learning; machine classifier labeled training samples; finally, after training the overrun learning set to classify test data, which can improve the classification precision Degree effect.

【技术实现步骤摘要】
基于联合双边滤波与极限学习机的高光谱图像分类方法
本专利技术涉及图像处理领域，具体是一种基于联合双边滤波与极限学习机的高光谱图像分类方法。
技术介绍
高光谱图像是相比传统的彩色图像具有更丰富的信息，在许多领域都有广泛的应用。例如：地质勘探，海洋监测，农作物种植等方面。高光谱图像波段数量多，光谱分辨率高和具有丰富的空间信息和光谱信息，而诸多研究表明高光谱数据在采集时容易受到噪声的影响，从而产生同种物质的光谱值相差比较大，不同物质的光谱值却比较相近得结果，这样对高光谱的数据处理及其分类带来诸多的影响。近年来，高光谱图像分类是高光谱图像处理中一个热门的领域。传统的高光谱图像分类单一的用光谱特征进行分类，忽略了光谱间空间结构的信息关联性，使得分类的效果不理想。
技术实现思路
针对上述的问题，本专利技术目的是提供基于联合双边滤波与极限学习机的高光谱图像分类方法，利用空间信息进行光谱滤波处理，在用超限学习机对处理后的高光谱图像进行分类，从而达到提升分类精度的效果。为实现上述的目的，本专利技术采取以下的技术方案：基于联合双边滤波与极限学习机的高光谱图像分类方法，包括步骤如下：(1)将高光谱图像进行归一本文档来自技高网...

【技术保护点】
一种基于联合滤波与超限学习机的高光谱图像分类方法，其特征在于，包括以下步骤：(1)、将高光谱图像进行归一化处理，用主成份分析的方法对高光谱图像提取第一主成分；(2)、用提取完的第一主成分作为引导图和归一化后高光谱图像的每一层光谱进行空间上的滤波处理，从而形成修正后的高光谱分类图像；(3)、将修正后的高光谱图像随机取一定数量的样本作为训练数据集并将训练数据集根据已知的分类信息进行类别标记，剩下样本的作为测试数据集；(4)、用标记后的训练样本对超限学习机分类器进行分类训练；(5)、最后用训练完的超限学习机对测试数据集进行分类预测。

【技术特征摘要】
1.一种基于联合滤波与超限学习机的高光谱图像分类方法，其特征在于，包括以下步骤：(1)、将高光谱图像进行归一化处理，用主成份分析的方法对高光谱图像提取第一主成分；(2)、用提取完的第一主成分作为引导图和归一化后高光谱图像的每一层光谱进行空间上的滤波处理，从而形成修正后的高光谱分类图像；(3)、将修正后的高光谱图像随机取一定数量的样本作为训练数据集并将训练数据集根据已知的分类信息进行类别标记，剩下样本的作为测试数据集；(4)、用标记后的训练样本对超限学习机分类器进行分类训练；(5)、最后用训练完的超限学习机对测试数据集进行分类预测。2.根据权利要求1所述的基于联合双边滤波与超限学习机的高光谱图像分类方法，其特征在于：所述的步骤(2)按如下的过程进行：2.1、将单层高光谱图像用I表示，(i，j)表示图片坐标,(p，q)表示(i，j)邻域为w的坐标，则I(i，j)，I(p，q)表示某点的光谱值，第一主成份用IFC表示，滤波后...

【专利技术属性】
技术研发人员：李特权，杨志景，陈尉钊，曹发贤，凌永权，蔡念，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44