一种基于空谱维滤波的高光谱图像分类方法及装置制造方法及图纸

本发明专利技术涉及高光谱图像处理领域，具体涉及一种基于空谱维滤波的高光谱图像分类方法及装置。该方法及装置对反射率反演后的样本的高光谱图像进行TSG滤波、黑白掩膜标定，基于样本的高光谱图像的标签信息与样本的高光谱图像的前多个主成分构造特征集，输入训练集对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类。该方法及装置结合主成分分析、支持向量机算法构建了高光谱图像，能够抑制高光谱图像中受样本三维形态影响带来的DN值畸变，同时改善图像光谱维的条带噪声，实现高光谱图像空谱维滤波。本发明专利技术改善了高光谱图像中样本边缘以及不规则表面带来的DN值畸变，有效提高了图像的分类精度，可用于农业、药业、环境监视等等诸多领域。

A method and device of hyperspectral image classification based on spatial spectral filtering

【技术实现步骤摘要】
一种基于空谱维滤波的高光谱图像分类方法及装置
本专利技术涉及高光谱图像处理领域，具体而言，涉及一种基于空谱维滤波的高光谱图像分类方法及装置。
技术介绍
高光谱图像具备目标区域空间以及光谱信息，被广泛应用于农业、环境监测、地物目标探测等等领域。在高光谱图像采集过程中由于受目标样本三维形态的影响，图像边缘以及一些不规则表面处会不同程度造成光照的不均匀，从而带来高光谱图像中DN值的畸变，DN值(DigitalNumber)是遥感影像像元亮度值，记录的地物的灰度值，这些畸变会从一定程度上影响图像中样本点的光谱特征，最终导致图像边缘以及不规则表面的分类精度降低。目前多采用SG滤波算法对高光谱图像进行滤波，SG滤波算法Savizkg和Golag提出来的基于最小二乘原理的多项式最佳拟合算法，也称卷积平滑，是一种效果很好的除白噪声方法。SG滤波能够有效滤除图像中光谱维噪声并保留图像的光谱特征使其受影响较小，却不能改善上述情况下图像中的DN值畸变。现有技术中也有提出先对高光谱图像进行SG滤波然后进行双边滤波，但这种方法计算量大，过程繁琐。
技术实现思路
本专利技术实施例提供了一种基于空谱维滤波的高光谱图像分类方法及装置，以至少解决现有技术对高光谱图像中样本边缘以及不规则表面带来的DN值畸变而导致的分类精度差的技术问题。根据本专利技术的一实施例，提供了一种基于空谱维滤波的高光谱图像分类方法，包括以下步骤：S1：采集样本以及标准反射率板的高光谱图像，并保持标准反射率板与样本的相对位置不变；>S2：利用标准反射率板的高光谱图像数据对样本的高光谱图像进行反射率反演；S3：对反射率反演后的样本的高光谱图像进行TSG滤波；S4：对TSG滤波后的样本的高光谱图像进行黑白掩膜标定，得到样本的高光谱图像的标签信息；S5：采用主成分分析对黑白掩膜标定后的样本的高光谱图像进行降维，得到样本的高光谱图像的前多个主成分；S6：基于样本的高光谱图像的标签信息与样本的高光谱图像的前多个主成分构造特征集；S7：从特征集中抽取训练集与测试集；S8：输入训练集对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类。进一步地，方法还包括步骤：S9：输出分类后的样本的高光谱图像。进一步地，步骤S9包括：输出分类后的样本的高光谱图像并计算分类精度。进一步地，在步骤S7中，根据同类样本点之间的相似度，从特征集中抽取训练集与测试集。进一步地，步骤S7包括：计算同类样本之间的相似度，选取相似度小的若干样本点作为训练集。进一步地，在步骤S2中，利用公式ref＝R(f-fmin)/fref-fmin进行高光谱反射率反演，其中R为高光谱图像中标准反射率板的反射率，fmin为高光谱图像中的暗噪声。进一步地，通过二维快速傅里叶变换对每个波段的空间图像进行卷积操作来实现TSG滤波。进一步地，通过二维快速傅里叶变换对每个波段的空间图像进行卷积操作包括：确定一个预设大小的窗口，从光谱曲线的第一个点开始，将窗口内的所有数据作为一个集合得到一维SG卷积核，将一维SG卷积核按水平、竖直、斜向上、斜向下四个方向组合成一个二维SG卷积核。根据本专利技术的另一实施例，提供了一种基于空谱维滤波的高光谱图像分类装置，包括：采集单元，用于采集样本以及标准反射率板的高光谱图像，并保持标准反射率板与样本的相对位置不变；反射率反演单元，用于利用标准反射率板的高光谱图像数据对样本的高光谱图像进行反射率反演；滤波单元，用于对反射率反演后的样本的高光谱图像进行TSG滤波；标定单元，用于对TSG滤波后的样本的高光谱图像进行黑白掩膜标定，得到样本的高光谱图像的标签信息；降维单元，用于采用主成分分析对黑白掩膜标定后的样本的高光谱图像进行降维，得到样本的高光谱图像的前多个主成分；特征集构造单元，用于基于样本的高光谱图像的标签信息与样本的高光谱图像的前多个主成分构造特征集；抽取单元，用于从特征集中抽取训练集与测试集；分类单元，用于输入训练集对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类。进一步地，装置还包括：输出单元，用于输出分类后的样本的高光谱图像。本专利技术实施例中的基于空谱维滤波的高光谱图像分类方法及装置，结合主成分分析、支持向量机算法构建了高光谱图像，能够抑制高光谱图像中受样本三维形态影响带来的DN值畸变，同时改善图像光谱维的条带噪声，实现高光谱图像空谱维滤波。本专利技术改善了高光谱图像中样本边缘以及不规则表面带来的DN值畸变，有效提高了图像的分类精度，可用于农业、药业、环境监视等等诸多领域。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术基于空谱维滤波的高光谱图像分类方法的流程图；图2为本专利技术基于空谱维滤波的高光谱图像分类方法的优选流程图；图3为本专利技术中一维SG卷积核扩展为二维SG卷积核示意图；图4为本专利技术基于空谱维滤波的高光谱图像分类装置的模块图；图5为本专利技术基于空谱维滤波的高光谱图像分类装置的优选模块图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。针对图像中受样本三维形态影响带来的DN值畸变问题，需要一种过程简单、效率高的滤波方法，弥补SG滤波的不足，提高光谱图像分类精度。本专利技术的目的在于提出一种基于空谱维滤波(SG滤波)的高光谱图像分类方法，能够抑制高光谱图像中受样本三维形态影响带来的DN值畸变，同时改善图像光谱维的条带噪声，实现高光谱图像空谱维滤波，并基于此方法构建分类误差较少的高光谱图像分类装置。实施例1根据本专利技术一实施例，提供了一种基于空谱维滤波的高光谱图像分类方法，参见图1，包括以下步骤：S1：采集样本以及标准反射率板的高光谱图像，并保持标准反射率板与样本的相对位置不变本文档来自技高网...

【技术保护点】
1.一种基于空谱维滤波的高光谱图像分类方法，其特征在于，包括：/nS1：采集样本以及标准反射率板的高光谱图像，并保持标准反射率板与样本的相对位置不变；/nS2：利用标准反射率板的高光谱图像数据对样本的高光谱图像进行反射率反演；/nS3：对反射率反演后的样本的高光谱图像进行TSG滤波；/nS4：对TSG滤波后的样本的高光谱图像进行黑白掩膜标定，得到样本的高光谱图像的标签信息；/nS5：采用主成分分析对黑白掩膜标定后的样本的高光谱图像进行降维，得到样本的高光谱图像的前多个主成分；/nS6：基于样本的高光谱图像的标签信息与样本的高光谱图像的前多个主成分构造特征集；/nS7：从特征集中抽取训练集与测试集；/nS8：输入训练集对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类。/n

【技术特征摘要】
1.一种基于空谱维滤波的高光谱图像分类方法，其特征在于，包括：
S1：采集样本以及标准反射率板的高光谱图像，并保持标准反射率板与样本的相对位置不变；
S2：利用标准反射率板的高光谱图像数据对样本的高光谱图像进行反射率反演；
S3：对反射率反演后的样本的高光谱图像进行TSG滤波；
S4：对TSG滤波后的样本的高光谱图像进行黑白掩膜标定，得到样本的高光谱图像的标签信息；
S5：采用主成分分析对黑白掩膜标定后的样本的高光谱图像进行降维，得到样本的高光谱图像的前多个主成分；
S6：基于样本的高光谱图像的标签信息与样本的高光谱图像的前多个主成分构造特征集；
S7：从特征集中抽取训练集与测试集；
S8：输入训练集对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类。


2.根据权利要求1所述的基于空谱维滤波的高光谱图像分类方法，其特征在于，所述方法还包括步骤：
S9：输出分类后的样本的高光谱图像。


3.根据权利要求2所述的基于空谱维滤波的高光谱图像分类方法，其特征在于，步骤S9包括：输出分类后的样本的高光谱图像并计算分类精度。


4.根据权利要求1所述的基于空谱维滤波的高光谱图像分类方法，其特征在于，在步骤S7中，根据同类样本点之间的相似度，从特征集中抽取训练集与测试集。


5.根据权利要求4所述的基于空谱维滤波的高光谱图像分类方法，其特征在于，步骤S7包括：计算同类样本之间的相似度，选取相似度小的若干样本点作为训练集。


6.根据权利要求1所述的基于空谱维滤波的高光谱图像分类方法，其特征在于，在步骤S2中，利用公式ref＝R(f-fmin)、、ref-fmin进行高光谱反射率反演，其中R...

【专利技术属性】
技术研发人员：谭鑫，宁鸿章，许亮，李耀彬，焦庆斌，李文昊，李宇航，许玉兴，邹宇博，杨琳，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22