The present invention discloses an interactive classification method for hyperspectral images based on kernel cooperative representation, which includes the following steps: loading hyperspectral image data into or manually selecting the training area of interest; classifying the pixels in the training area as a training set, using kernel cooperative representation to obtain the probability distribution map of hyperspectral images; and taking the pixels in the hyperspectral image as nodes, according to the training set. The spatial position relationship of pixels is used to establish spatial spectrum joint map; the probability distribution map and spatial spectrum joint map are put into the post-processing model to predict the classification results; according to the classification prediction results, some training areas are added or deleted manually, and the fine classification results are predicted. The method first carries out the joint classification of coarse-grained nuclear cooperative representation space spectrum, and then adds and deletes part of the training area through real-time, and carries out the joint classification of fine-grained nuclear cooperative representation space spectrum, which can significantly improve the accuracy and efficiency of classification mapping.
【技术实现步骤摘要】
一种基于核协同表示的高光谱图像交互式分类方法
本专利技术涉及高光谱图像处理
,具体涉及一种基于核协同表示的高光谱图像交互式分类方法。
技术介绍
高光谱遥感传感器能够在许多连续且狭窄的波段上获取成百上千幅图像,其成像区域覆盖了可见光到红外区域。高光谱遥感图像这一较高的光谱分辨率特性,使得其在地表目标探测、城市规划、农业预警和军事侦察等领域等到广泛应用。高光谱遥感图像分类是高光谱遥感图像应用中一个比较重要的环节。目前,较常用的分类方法有:支持向量机、多项式逻辑回归、稀疏表示和协同表示等。由于这些分类方法并未将高光谱遥感数据视为图像,一些研究者考虑在分类中融入高光谱图像的空间信息,以进一步提高高光谱遥感图像分类的精度。对有监督高光谱遥感图像分类而言,数据标签的获取是一项极其费时费力的工作。而且,由于成像条件的差异性,不同数据集上标签的通用性往往较差。因此,如何需要充分利用有限的数据标签提高高光谱遥感图像分类精度是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于核协同表示的高光谱图像交互式分类方法,充分利用数据标签信息提高分类精度,并在此基础上与用户进行交互,进一步提高分类精度。实现本专利技术的技术方案如下:一种基于核协同表示的高光谱图像交互式分类方法,包括以下步骤:步骤1:对高光谱图像数据,载入或手工选定感兴趣训练区域;步骤2:以训练区域内的像元作为训练集,采用核协同表示进行分类,得到高光谱图像概率分布图;步骤3:以高光谱图像中的像元为节点,依据像元的空间位置关系建立空谱联合图;步骤4:将概率分布图和空谱联合图共同放入后处理模型, ...
【技术保护点】
1.一种基于核协同表示的高光谱图像交互式分类方法,其特征在于,包括如下步骤:步骤1:对高光谱图像数据,载入或手工选定感兴趣训练区域;步骤2:以训练区域内的像元作为训练集,采用核协同表示进行分类,得到高光谱图像概率分布图;步骤3:以高光谱图像中的像元为节点,依据像元的空间位置关系建立空谱联合图;步骤4:将概率分布图和空谱联合图共同放入后处理模型,进行分类结果预测;步骤5:依据分类预测结果,手工重复添加或删除部分训练区域,进行精细化分类结果预测。
【技术特征摘要】
1.一种基于核协同表示的高光谱图像交互式分类方法,其特征在于,包括如下步骤:步骤1:对高光谱图像数据,载入或手工选定感兴趣训练区域;步骤2:以训练区域内的像元作为训练集,采用核协同表示进行分类,得到高光谱图像概率分布图;步骤3:以高光谱图像中的像元为节点,依据像元的空间位置关系建立空谱联合图;步骤4:将概率分布图和空谱联合图共同放入后处理模型,进行分类结果预测;步骤5:依据分类预测结果,手工重复添加或删除部分训练区域,进行精细化分类结果预测。2.根据权利要求1所诉的一种基于核协同表示的高光谱图像交互式分类方法,其特征在于,步骤2中核协同表示分类的公式为:Y=T(Q+λI)-1P其中,Y为所有像元的概率化分类结果,Q为训练样本高斯径向核特征矩阵,P为高光谱图像高斯径向核特征矩阵,I为单位矩阵,T用来累加每个测试样本在每个类别上的系数,λ用来控制核协同表示系数,λ=0.001。3.根据权利要求1所诉的一种基于核协同表示的高光谱图像交互式分类方法,其特征在于,步骤3中构建空谱联合图的方法,具体为:对高光谱图像进行主成分分析,选取前3个主成分作为特征并规范化到[0,1]区间内;以每个像元为顶点,选取周围8个像元作为邻居,并根据相似性建立权重矩阵W,从而构建空谱联合图G。4.根据权利要求1所诉的一种基于核协同表示的高光谱图像交互式分类方...
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。