【技术实现步骤摘要】
基于类特征迭代随机采样的高光谱图像谱空分类方法
本专利技术涉及基于类特征迭代随机采样和空间信息反馈的高光谱图像分类方法，尤其涉及一种基于类特征迭代随机采样的高光谱图像谱空分类方法。
技术介绍
高光谱遥感图像包括数百个连续窄谱的光谱波段，所以具有大量的光谱细节可以用来准确判断地物类别。因而，在土地利用变化与覆盖、灾害监测、地质评估、农林调查等方面得到了广泛应用。高光谱图像分类是对高光谱图像中的每一个像元都进行类别标注，相对于常规遥感，高光谱影像在保留较高空间分辨率的同时，光谱分辨率得到极大的提高，这使得无论在描述同类地物的细节方面，还是识别不同类别地物的能力等方面都有大幅提高，在地物分类方面存在巨大优势。但是，高光谱图像具有高维非线性、波段间相关性高以及训练样本标记难以获得等特点，给分类工作带来了巨大的挑战。因此，在已标记样本比较少的情况下，如何有效利用光谱和空间信息，快速、准确地对高光谱遥感图像地物目标进行分类成为数据挖掘、机器学习和模式识别等领域的热点研究问题之一。近年来，基于支持向量机(SVM)的高光谱图像分类方...
【技术保护点】
1.一种基于类特征迭代随机采样的高光谱图像谱空分类方法，其特征在于包括：/n根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；/n根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；/n根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，其中目标地物样本集参数信息包括高光谱图像数据信息、地物类别标签信息和选取样本像元的光谱特征；/n根据各地物平均光谱特征、自相关矩阵的逆矩阵通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，提取丰度信息的空间特征信息，并对所述空间特征进行最大概率准则MAP判定...
【技术特征摘要】
1.一种基于类特征迭代随机采样的高光谱图像谱空分类方法，其特征在于包括：
根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；
根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；
根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，其中目标地物样本集参数信息包括高光谱图像数据信息、地物类别标签信息和选取样本像元的光谱特征；
根据各地物平均光谱特征、自相关矩阵的逆矩阵通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，提取丰度信息的空间特征信息，并对所述空间特征进行最大概率准则MAP判定，对像元进行类别归属获取该次分类图像；
根据分类图像信息计算相邻两次迭代分类结果的相似性系数，判断所述相似性系数是否已满足迭代分类的截止条件，若满足，则迭代结束，该次分类结果即为最终分类结果；若不满足，则将所述的该次空间特征信息反馈融合至上次迭代的高光谱图像中、并更新原高光谱图像数据信息，对融合更新后的数据进行迭代分类。
2.根据权利要求1所述的方法，其特征还在于：根据高光谱图像数据H和地物类别标签信息计算各类的类特征准则pCS，其中pCS包括pCD和pSR，
其中，Ci，Cj为类别i和类别j，1≤i,j≤M，和为Ci在该类特征准则下的值，M为高光谱图像包含的总类别数目，μi为Ci的光谱特征均值，由该类所包含的所有像元计算平均光谱得到，为Ci包含所有像元的方差，ni为Ci包含的样本点总数，N为高光谱图像包含的所有目标地物的样本总数，
3.根据权利要求2所述的方法，其特征还在于：计算训练样本数目时首先设置迭代次数初始值ktraining＝1，设置初始所需训练样本总数设置所需训练样本数目上限和下限；根据不同的类别特征pCS(Ci)计算在第ktraining次迭代时各目标类被分配的训练样本数目所有类已分配的训练样本数目以及前ktrain...
【专利技术属性】
技术研发人员：于浩洋，尚晓笛，宋梅萍，于纯妍，王玉磊，赵恩宇，张建祎，
申请(专利权)人：大连海事大学，
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。