基于反馈结构的高光谱遥感图像分类方法技术

基于反馈结构的高光谱遥感图像分类方法，属于电子信息技术领域，本发明专利技术为解决现有高光谱图像分类方法存在分类精度低、训练时间长的问题。本发明专利技术在高光谱图像数据上采用支持向量机进行分类；判断分类结果是否满足停止条件，如果是则终止迭代，此时的分类结果为最终分类结果，如果否则生成二值图像块；对二值图像块进行空间滤波；进行反馈，与输入的高光谱图像数据进行堆叠；然后将迭代次数加一，返回重新进行分类，直至终止迭代将分类结果作为最终分类结果。本发明专利技术用于遥感技术。

Hyperspectral Remote Sensing Image Classification Method Based on Feedback Structure

【技术实现步骤摘要】
基于反馈结构的高光谱遥感图像分类方法
本专利技术涉及一种高光谱遥感图像的分类方法，属于电子信息

技术介绍
随着遥感技术和成像光谱技术的发展，高光谱遥感图像成为人类观察地球表面的重要工具之一。高光谱成像技术结合了成像技术和光谱探测技术，对于每个空间像元在几百乃至上千个连续的窄波段上进行成像。其与传统遥感图像的最大不同体现在两点：一是谱段的覆盖范围更宽，高光谱图像可以包含紫外、可见光、近红外和中红外多个谱段范围，而传统遥感图像仅包括可见光范围；二是波段更窄，一般高光谱图像的波段宽度在10nm左右，而传统遥感图像一般仅包含红、绿、蓝三个波段，而宽度一般为几百纳米。因此，高光谱图像既包含地表空间信息，也包括光谱信息。由于不同地物在不同波段上对光谱的吸收不同，因此高光谱图像较传统遥感图像能够提供更多的地物信息，具有更好的地物辨识能力。高光谱图像地物分类是高光谱图像的重要应用之一，分为有监督分类和无监督分类两大类，其中，有监督分类是在存在训练数据即先验信息条件下的分类，一般先用训练数据对分类器进行参数训练，然后用训练好的分类器对新获得的数据进行分类，而无监督数据是不使用先验信息的盲分类本文档来自技高网...

【技术保护点】
1.基于反馈结构的高光谱遥感图像分类方法，其特征在于，其具体过程为：S1、将基本组成格式为a×b×N、包含M个地物类别的高光谱图像数据作为输入数据Ω(k)，并令迭代次数k＝0；S2、在k次迭代中，在高光谱图像数据Ω(k)上采用支持向量机进行分类，分类结果为

【技术特征摘要】
1.基于反馈结构的高光谱遥感图像分类方法，其特征在于，其具体过程为：S1、将基本组成格式为a×b×N、包含M个地物类别的高光谱图像数据作为输入数据Ω(k)，并令迭代次数k＝0；S2、在k次迭代中，在高光谱图像数据Ω(k)上采用支持向量机进行分类，分类结果为其中SVM表示支持向量机，C表示分类，MAP表示最大后验概率方法，为一个变量表示使用支持向量机进行分类并利用最大后验概率方法产生的分类结果；S3、当k＞0时，判断是否满足停止条件，如果是则终止迭代，此时的为最终分类结果，如果否则执行S4；S4、根据生成二值图像块第j个图像中，位置为(x,y)的像元的值与该像元在上的类别对应，则第j个图像中位置为(x,y)的像元的值为1，否则为0；S...

【专利技术属性】
技术研发人员：张晔，钟圣唯，张建祎，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23