The invention discloses a hyperspectral remote sensing image classification method and system based on visual saliency. The invention mainly solves the problem of low utilization rate of spatial information in feature extraction of hyperspectral remote sensing image. Because the information of spatial dimension can directly reflect the real shape and category of ground objects, and the visual saliency mechanism can simulate human visual characteristics through intelligent algorithm It can detect the target which is different from the surrounding background without prior information, highlight the main content of the image, reduce the complexity of image processing and analysis, and finally combine the spectral information to classify, which can effectively reduce the classification error and improve the classification accuracy.
【技术实现步骤摘要】
基于视觉显著性的高光谱遥感图像分类方法及系统
本专利技术涉及高光谱遥感图像分类领域,更具体地说,涉及一种基于视觉显著性的高光谱遥感图像分类方法及系统。
技术介绍
高光谱遥感图像是指通过光谱分辨率达到10-2λ数量级的高光谱仪获取的图像。高光谱遥感图像类似于一个三维立方体,自上而下对应多个维度,每个维度所采集的平面信息,一般称其为空间信息;每个维度中同一位置的像素点所组成的向量,一般称其为光谱信息。遥感是一种远距离、非接触式的目标探测技术和方法,是人们研究地面物体特性的一种重要手段。随着硬件技术的快速发展以及应用需求的不断增长,所获遥感图像从宽维度逐渐向窄维度成像发展,同时呈现出高光谱分辨率、高时间分辨率等特点,高光谱遥感由此而产生。高光谱遥感技术是遥感发展史上最具标志性的成果,它的迅速发展引起了各国科学家的广泛重视,成为当前遥感领域的研究热点。通过高光谱遥感技术所获得的图像,在记录地物空间信息的同时也采集到了光谱信息,因而具有“图谱合一”的性质。相比较于传统的遥感图像,高光谱遥感图像具有分辨率高、数据量大、光谱范围窄、维度多且连续等特点,因此特征维数和信息冗余程度也相对较高。基于上述特点,对高光谱遥感图像的利用已经在海洋监测、植被研究、精细农业、地质调查、大气环境等方面得到广泛体现。由于高光谱遥感图像能够以较高分辨率收集到地物信息,并且丰富的光谱信息有利于物质的物理化学特性反演,因此对其进行分类是获取地物信息的一种重要手段。近年来,越来越多的人们投身于高光谱遥感图像分类的方法研究中,挖掘其蕴含 ...
【技术保护点】
1.一种基于视觉显著性的高光谱遥感图像分类方法,其特征在于,包含如下步骤:/nS1、根据主成份分析法对原始高光谱遥感图像R
【技术特征摘要】
1.一种基于视觉显著性的高光谱遥感图像分类方法,其特征在于,包含如下步骤:
S1、根据主成份分析法对原始高光谱遥感图像R1进行降维,得到降维后高光谱遥感像R2P×L×H,P为降维后的主成分个数,即降维后高光谱遥感图像R2P×L×H的维数,L为高光谱遥感图像R2P×L×H在空间长度方向上的像素点个数,H为高光谱遥感图像R2P×L×H在空间宽度方向上的像素点个数;
S2、对降维后高光谱遥感图像R2的每一个主成分采用扩展形态学轮廓法提取形态学特征,得到多幅形态学特征图像,将多幅形态学特征图像组合叠加,形成新的高光谱图像数据R3E×L×H,E为形态学特征图的个数,即新的高光谱图像数据的维数,L为高光谱遥感图像R3E×L×H在空间长度方向上的像素点个数,H为高光谱遥感图像R3E×L×H在空间宽度方向上的像素点个数;
S3、采用局部二值模式法对R3E×L×H中的每个维度提取纹理特征,并重新组合成高光谱图像数据,得到图像R4E×L×H;
S4、用M(I)表示R4E×L×H中所有平面组成的数据,将高光谱遥感图像R4E×L×H每一维度平面特征代表纹理特征,这些特征用于提取R3E×L×H中的显著性特征:
高光谱遥感图像R4E×L×H每一维度平面特征具有一张对应的纹理特征图,对每一张纹理特征图:进行白化操作以去除冗余并将特征值都归一化到[0,255]范围内,然后根据布尔图理论的先验分布理论分别取一组范围在[0,255]范围内的符合均匀分布的阈值θi,i=1、2、3、…、n,n表示一张对应的纹理特征图所对应的一组布尔图的个数,然后得到一个包含n张纹理布尔图的布尔图组BTe={BTe1,BTe2…BTen}:
BTe=Threshold(M′(I),θi)
上式中,M′(I)表示纹理特征图M(I)的像素值;α为预设的阈值,布尔图组的总组数为E;
接下来,对于每一张纹理布尔图,利用FloodFill算法以图像的四个边界的像素作为种子点淹没掉不被包围的像素,保留具有闭合轮廓的像素,通过这一处理后,被包围的区域取1,不被包围的区域取0,得到一张纹理视觉注意图:
ATei=f(BTei),
其中,ATei与BTei分别表示任意一个布尔图组中的第i张纹理布尔图以及对应的纹理视觉注意图,
接下来,对每一张纹理注意力图分别进行膨胀操作及归一化处理,将处理后的纹理注意力图分为E组求平均,得到共E个纹理显著性图,每一个布尔图组的n张处理后的纹理视觉注意图为一组;
接下来,将每一个纹理显著性图和对应的形态学特征图进行加权融合,得到最终的待分类数据,即特征提取之后的E个数据Sv,E个图像数据Sv重新构成高光谱遥感图像R5E×L×H;
S5、将高光谱遥感图像R5E×L×H输入到分类器进行分类。
2.根据权利要求1所述的基于视觉显著性的高光谱遥感图像分类方法,其特征在于,步骤S1中,根据主成份分析法对原始高光谱遥感图像R1进行降维,得到降维后高光谱遥感像R2P×L×H的过程如下:
用X=(x1,x2,...,xQ)=(X1,X2,...,XB)T表示原始高光谱遥感图像R1,其中,xi表示原始高光谱遥感图像R1的第i个像素点,i=1,2,...,Q,Xj表示原始高光谱遥感图像R1的第j个维度,j=1,2,...,B,分别利用下述公式计算原始高光谱遥感图像R1的维度均值和协方差矩阵:
其中,Q和B均为正整数,为原始高光谱遥感图像R1的维度均值,Q为像素点个数,Q>0;为原始高光谱遥感图像R1的协方差矩阵,B为维数,B>0;
计算的特征根λ1≥λ2≥...≥λB≥0,设定阈值θ,选择满足λ1≥λ2≥...≥λP≥θ的前P个主成分,P为正整数,且P>1,B大于P,由前P个主成分的特征根得到相应的单位特征向量t1,t2,...,tP,W=[t1,t2,...,tP],A为W的转置矩阵,即A=WT,以A为变换矩阵,对原始高光谱遥感图像进行变换,变换后的结果为Y,Y=(Y1,Y2,...,Yp)T=AX,Y即为得到的高光谱遥感图像R2P×L×H。
3.根据权利要求1所述的基于视觉显著性的高光谱遥感图像分类方法,其特征在于,...
【专利技术属性】
技术研发人员:刘小波,尹旭,汪敏,蔡耀明,张超超,周志浪,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北;42
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。