【技术实现步骤摘要】
基于小波核局部Fisher判别分析的高光谱影像分类方法
本专利技术涉及高光谱图像的数据处理与应用
，尤其涉及一种基于小波核局部Fisher判别分析的高光谱影像分类方法。
技术介绍
高光谱遥感是指具有高光谱分辨率的遥感数据获取、处理、分析和应用的科学与技术，是21世纪遥感领域重要的研究方向之一。与多光谱遥感相比，高光谱遥感可以获取地物上百个连续谱段的信息，这些丰富的光谱信息可以增强对地物的区分能力。高光谱遥感在国防建设、图民经济等方面都发挥着重要作用，已广泛地应用于目标探测、地表分类、环境管理和矿物填图等领域。许多高光谱遥感应用的基础是影像分类，但由于高光谱数据存在维数高、训练样本少等问题，分类时易产生“维数灾难”现象。因此，高光谱遥感影像分类问题成为高光谱图像处理研究领域的关键问题之一高光谱图像分类首先要解决的问题是特征提取，目前常用的特征提取方法主要有主成分分析(PrincipalComponentAnalysis,PCA)、线性判别分析(LinearDiscriminantAnalysis,LDA)和局部Fisher判别分析(LocalFisherDis...
【技术保护点】
1.一种基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：包括以下步骤：步骤1：读入高光谱遥感影像数据集；步骤2：按波段对输入的高光谱遥感影像数据进行归一化处理；步骤3：采用小波核函数将数据从低维原始空间映射到高维特征空间，在特征空间利用局部Fisher判别分析方法对样本数据进行特征提取，具体方法为：步骤3.1：采用小波核函数将原始数据映射到高维特征空间；步骤3.2：在特征空间采用局部Fisher判别分析方法提取样本数据的特征；步骤4：将降维后数据集划分为训练数据和测试数据，将训练数据输入SVM分类器，采用交叉验证获得分类器的最优参数值，将测试数据输入到S...
【技术特征摘要】
1.一种基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：包括以下步骤：步骤1：读入高光谱遥感影像数据集；步骤2：按波段对输入的高光谱遥感影像数据进行归一化处理；步骤3：采用小波核函数将数据从低维原始空间映射到高维特征空间，在特征空间利用局部Fisher判别分析方法对样本数据进行特征提取，具体方法为：步骤3.1：采用小波核函数将原始数据映射到高维特征空间；步骤3.2：在特征空间采用局部Fisher判别分析方法提取样本数据的特征；步骤4：将降维后数据集划分为训练数据和测试数据，将训练数据输入SVM分类器，采用交叉验证获得分类器的最优参数值，将测试数据输入到SVM分类器中识别出类别，具体方法为：步骤4.1：将提取特征后的样本数据划分为训练样本和测试样本；步骤4.2：输入训练样本及其对应的标签，通过交叉验证获取最优参数值，进而构造SVM分类器；步骤4.3：将测试样本输入到SVM分类器，并利用已学习的各个类别的权重，求得该测试样本对应的类别标签；步骤5：采用总体分类精度OA和Kappa系数作为评价标准，将多次实施结果的OA和Kappa系数的平均值作为最终结果。2.根据权利要求1所述的基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：步骤2所述按波段对输入的高光谱遥感影像数据进行归一化处理，如下公式所示：其中，1≤m≤M，1≤n≤N，1≤p≤B，M和N分别表示图像的高度和宽度，B表示图像的波段总数，xp表示第p个波段的全部像素点，表示第p个波段中位于第m行、第n列的像素。3.根据权利要求2所述的基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：所述步骤3.1的具体方法为：步骤3.1.1：将Morlet小波函数作为平移不变小波核函数；步骤3.1.2：计算小波核函数K(xi，xj)，具体公式为：其中，h()为小波函数，xi和xj表示图像中任意两个样本点，i，j∈{1，2，...，s}，s为样本点总数，样本点xi表示为向量(xi1，xi2，...，xip)，样本点xj表示为向量(xj1，xj2，...，xjp)，每个样本点具有p个波段，参数μ控制核形状，a为膨胀系数。4.根据权利要求3所述的基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：所述步骤3.2的具体方法为：步骤3.2.1：计算样本xi和xj之间的相似度Ai，j，如下公式所示：其中，γi和γj分别为xi和xj的局部伸缩，定义为和分别为xi和xj的近邻，r是调整因子；步骤3....
【专利技术属性】
技术研发人员：吕欢欢，张辉，刘万军，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁,21
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。