一种结合导向滤波和最大概率的高光谱图像分类方法技术

本发明专利技术公开了一种结合导向滤波和最大概率的高光谱图像分类方法，通过对高光谱图像进行归一化和PCA降维处理后进行导向滤波，然后对导向滤波后的引导图像进行概率计算并得出分类结果。本发明专利技术利用空间信息提取纹理信息提高分类精度，结合导向滤波和最大概率优化后分类性能有较大提升。

A high spectral image classification method combining guided filtering and maximum probability

The invention discloses a hyperspectral image classification method combining oriented filtering and maximum probability, through normalization and PCA for dimensionality reduction of hyperspectral imagery processing after oriented filtering, then to guide the image oriented filtered probability calculation and the classification results obtained. The invention uses spatial information to extract texture information to improve the classification accuracy, and improves the classification performance with the guidance filter and the maximum probability optimization.

【技术实现步骤摘要】
一种结合导向滤波和最大概率的高光谱图像分类方法
本专利技术涉及图像识别领域，更具体地，涉及一种结合导向滤波和最大概率的高光谱图像分类方法。
技术介绍
空谱结合后提高高光谱图像的分类性能是目前一个研究热点。目前空间信息提取方法有：1)形态滤波特征提取；2)马尔科夫随机场特征提取；3)图像分割特征提取。利用滤波方法提取高光谱图像的空间纹理信息开始逐渐增多。高光谱图像空间纹理信息提取用于分类的研究中取得了一定成效，但是也存在一些不足：1)空间纹理信息需要进一步挖掘；2)空间纹理信息与光谱信息需要更有效结合来辅助分类来提高分类精度。
技术实现思路
本专利技术的目的是解决目前现有空间信息提取方法分类精度不足的缺陷，提出一种结合导向滤波和最大概率的高光谱图像分类方法。为实现以上专利技术目的，采用的技术方案是：一种结合导向滤波和最大概率的高光谱图像分类方法，包括以下步骤：S1：输入高光谱图像1；S2：对高光谱图像1进行归一化；S3：对高光谱图像1进行PCA降维，获得第1主成分；S4：对PCA的前面N个主成分进行导向滤波，获得空间信息F；S5：将高光谱图像1中的光谱信息H和空间信息F进行线性融合得到空间本文档来自技高网...

【技术保护点】
一种结合导向滤波和最大概率的高光谱图像分类方法，其特征在于，包括以下步骤：S1：输入高光谱图像1；S2：对高光谱图像1进行归一化；S3：对高光谱图像1进行PCA降维，获得第1主成分；S4：对PCA的前面N个主成分进行导向滤波，获得空间信息F；S5：将高光谱图像1中的光谱信息H和空间信息F进行线性融合得到空间信息数据集W，其中W＝H+F；S6：对空间信息数据集W进行SVM分类；S7：获得初始分类结果矩阵Lable；S8：输入PCA第1成分作为滤波图像；S9：获取地物类型总数L；S10：获取第i个地物分布矩阵作为滤波图像P；S11：对滤波图像P进行引导滤波；S12：获得L个二维概率矩阵；S13：最...

【技术特征摘要】
1.一种结合导向滤波和最大概率的高光谱图像分类方法，其特征在于，包括以下步骤：S1：输入高光谱图像1；S2：对高光谱图像1进行归一化；S3：对高光谱图像1进行PCA降维，获得第1主成分；S4：对PCA的前面N个主成分进行导向滤波，获得空间信息F；S5：将高光谱图像1中的光谱信息H和空间信息F进行线性融合得到空间信息数据集W，其中W＝H+F；S6：对空间信息数据集W进行SVM分类；S7：获得初始分类结果矩阵Lable；S8：输入PCA第1成分作为滤波图像；S9：获取地物类型总数L；S10：获取第i个地物分布矩阵作为滤波图像P；S11：对滤波图像P进行引导滤波；S12：获得L个二维概率矩阵；S13：最大概率确定地物标签，得出地物的分类结果并输出。2.根据权利要求1所述的一种结合导向滤波和最大概率的高光谱图像分类方法，其特征在于，步骤S4中的导向滤波包括以下步骤：S4.1：计算导向图像I的均值：Im＝BF(I,r)；S4.2：计算滤波图像P的均值：Pm＝BF(P,r)；S4.3：计算导向图像I的自相关系数：corrI＝BF(I...

【专利技术属性】
技术研发人员：廖建尚，曹成涛，李彩红，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：广东,44