当前位置: 首页 > 专利查询>九江学院专利>正文

尺度自适应的高光谱图像分类方法及系统技术方案

技术编号:26172404 阅读:77 留言:0更新日期:2020-10-31 13:49
本发明专利技术提供了一种尺度自适应的高光谱图像分类方法及系统,该方法包括:获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;根据所述尺度池计算尺度判别指数,以得到多个尺度判别指数值,根据尺度判别指数值中最大尺度对目标高光谱图像进行超像素分割,根据超像素分割后的空间分布信息进行目标高光谱图像的分类。本发明专利技术实现了场景自适应的尺度选择过程,无需人工调参,能够选择适合场景特点的尺度,提高了高光谱图像分类的效率和场景鲁棒性。

【技术实现步骤摘要】
尺度自适应的高光谱图像分类方法及系统
本专利技术属于光谱图像分类
,尤其涉及一种尺度自适应的高光谱图像分类方法及系统。
技术介绍
高光谱图像分类是识别高光谱图像中每个像素的土地覆盖类别的技术,它是目前遥感领域的研究热点之一。除了高光谱像素本身包含的连续光谱信息,像素的空间分布蕴含了像素间潜在的类别关联,联合光谱信息和空间分布信息的方法(即光谱-空间法)一直是高光谱图像分类研究的主流方向。在基于光谱-空间法的高光谱分类研究中,空间分布信息的获取过程一般分为三步:首先设定待分割的超像素数量(也称为分割尺度),其次通过超像素分割技术生成指定数量的形状自适应的超像素,最后计算每个像素的空间分布特征。尺度的选择对于光谱-空间法的性能至关重要,然而现有的尺度选择方法依赖于人工经验或采用固定值[2-3],使得难以适应复杂多样的高光谱图像场景,进而导致高光谱图像分类效率低下。
技术实现思路
本专利技术实施例的目的在于提供一种尺度自适应的高光谱图像分类方法及系统,旨在解决现有的高光谱图像分类过程中分类效率低下的问题。本专利技术实施例是这样实现的,一种尺度自适应的高光谱图像分类方法,所述方法包括:获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;根据所述尺度池计算尺度判别指数,以得到多个尺度判别指数值;根据所述尺度判别指数值中的最大尺度对所述目标高光谱图像进行超像素分割,并根据超像素分割后的空间分布信息进行所述目标高光谱图像的分类。更进一步的,所述根据所述类别数量和所述主要成分图像计算区间上界的步骤包括:根据纹理检测子提取所述主成分图像的边缘信息;根据所述主要成分图像和所述边缘信息计算纹理复杂度;计算所述纹理复杂度与所述类别数量的商,得到所述区间上界。更进一步的,所述根据所述主要成分图像和所述边缘信息计算纹理复杂度的步骤包括:计算所述主要成分图像中的所有像素数量与所述边缘信息中的边缘像素数量之间的商,得到所述纹理复杂度。更进一步的,所述将所述区间上界和所述区间下界形成尺度池的步骤包括:将所述区间下界设置为最小值、所述区间上界设置为最大值,形成闭合区间,以得到所述尺度池。更进一步的,所述根据所述尺度池计算尺度判别指数的步骤包括:计算所述尺度池中每个尺度的超像素内差异,得到超像素内差异值;计算所述尺度池中相邻超像素之间的超像素间差异,得到超像素间差异值;计算所述超像素内差异值与所述超像素间差异值之间的和,以得到所述尺度判别指数。更进一步的,所述计算所述尺度池中每个尺度的超像素内差异所采用的计算公式为:其中,所述尺度池内有N个尺度,Interval(S)={s1,s2,…,sN},第i个尺度有M个超像素区域,即si={si,1,si,2,…,si,M},si,j是si的第j个超像素,是si,j的特征方差,fintra(si)是si的所述超像素内差异值。更进一步的,所述计算所述尺度池中相邻超像素之间的超像素间差异所采用的计算公式为:其中,si,j的邻接超像素为v=1,2,...,P,mean(·)表示超像素内所有像素的特征平均值,dist(·)表示cosine距离;其中,计算si中所有超像素与邻接超像素间的平均差异,用以表示finter(si),finter(si)为所述超像素间差异值。更进一步的,所述计算所述超像素内差异值与所述超像素间差异值之间的和所采用的计算公式为:f(si)=exp(-fintra(si))+finter(si);其中,f(si)为所述尺度判别指数。本专利技术实施例的另一目的在于提供一种尺度自适应的高光谱图像分类系统,所述系统包括:成分分析模块,用于获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;下界计算模块,用于获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;上界计算模块,用于根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;判别指数值计算模块,用于根据所述尺度池计算尺度判别指数,以得到多个尺度判别指数值;根据所述尺度判别指数值中的最大尺度对所述目标高光谱图像进行超像素分割,并根据超像素分割后的空间分布信息进行所述目标高光谱图像的分类。更进一步的,所述上界计算模块还用于:根据纹理检测子提取所述主成分图像的边缘信息;根据所述主要成分图像和所述边缘信息计算纹理复杂度;计算所述纹理复杂度与所述类别数量的商,得到所述区间上界。本专利技术实施例,通过所述尺度池和所述尺度判别指数值的计算,实现了场景自适应的尺度选择过程,无需人工调参,能够选择适合场景特点的尺度,有效的提高了高光谱图像分类的效率和场景鲁棒性,且不同场景下的高光谱图像分类性能良好,尺度选择的场景鲁棒性高。附图说明图1是本专利技术第一实施例提供的尺度自适应的高光谱图像分类方法的流程图;图2是本专利技术第二实施例提供的尺度自适应的高光谱图像分类方法的流程图;图3是本专利技术第三实施例提供的尺度自适应的高光谱图像分类系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。为了说明本专利技术所述的技术方案,下面通过具体实施例来进行说明。实施例一请参阅图1,是本专利技术第一实施例提供的尺度自适应的高光谱图像分类方法的流程图,包括步骤:步骤S10,获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;其中,可以基于仿真实平台以进行该目标高光谱图像的获取和主成分分析,该主成分图像为目标高光谱图像中成分占比最大的图像,且该主成分图像中每个像素的光谱主成分值为该像素的特征值;步骤S20,获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;其中,最理想的高光谱图像场景是每一类像素都被分割到同一超像素,因此,可采用地表覆盖的类别数量C表示该区间下界;步骤S30,根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;其中,高光谱图像的纹理复杂度R能一定程度上反映地表覆盖的分布复杂度,因此,可采用地表覆盖的类别数量除以图像的纹理复杂度,即C/R,以表示尺度池的区间上界;具体的,尺度池是指待选择尺度的区间范围,本实施例将从尺度池中自动选择合适的尺度,尺度池的定义也是场景自本文档来自技高网...

【技术保护点】
1.一种尺度自适应的高光谱图像分类方法,其特征在于,所述方法包括:/n获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;/n获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;/n根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;/n根据所述尺度池计算尺度判别指数,以得到多个尺度判别指数值;/n根据所述尺度判别指数值中的最大尺度对所述目标高光谱图像进行超像素分割,并根据超像素分割后的空间分布信息进行所述目标高光谱图像的分类。/n

【技术特征摘要】
20200109 CN 20201002039381.一种尺度自适应的高光谱图像分类方法,其特征在于,所述方法包括:
获取目标高光谱图像,并对所述目标高光谱图像进行主成分分析,得到主成分图像;
获取所述目标高光谱图像中地表覆盖的类别数量,并将所述类别数量设置为区间下界;
根据所述类别数量和所述主要成分图像计算区间上界,并将所述区间上界和所述区间下界形成尺度池;
根据所述尺度池计算尺度判别指数,以得到多个尺度判别指数值;
根据所述尺度判别指数值中的最大尺度对所述目标高光谱图像进行超像素分割,并根据超像素分割后的空间分布信息进行所述目标高光谱图像的分类。


2.如权利要求1所述的尺度自适应的高光谱图像分类方法,其特征在于,所述根据所述类别数量和所述主要成分图像计算区间上界的步骤包括:
根据纹理检测子提取所述主成分图像的边缘信息;
根据所述主要成分图像和所述边缘信息计算纹理复杂度;
计算所述纹理复杂度与所述类别数量的商,得到所述区间上界。


3.如权利要求2所述的尺度自适应的高光谱图像分类方法,其特征在于,所述根据所述主要成分图像和所述边缘信息计算纹理复杂度的步骤包括:
计算所述主要成分图像中的所有像素数量与所述边缘信息中的边缘像素数量之间的商,得到所述纹理复杂度。


4.如权利要求1所述的尺度自适应的高光谱图像分类方法,其特征在于,所述将所述区间上界和所述区间下界形成尺度池的步骤包括:
将所述区间下界设置为最小值、所述区间上界设置为最大值,形成闭合区间,以得到所述尺度池。


5.如权利要求1所述的尺度自适应的高光谱图像分类方法,其特征在于,所述根据所述尺度池计算尺度判别指数的步骤包括:
计算所述尺度池中每个尺度的超像素内差异,得到超像素内差异值;
计算所述尺度池中相邻超像素之间的超像素间差异,得到超像素间差异值;
计算所述超像素内差异值与所述超像素间差异值之间的和,以得到所述尺度判别指数。


6.如权利要求5所述的尺度自适应的高光谱图像分类方法,其特征在于,所述计算所述尺度池中每个尺度的超像素内差异所采用的...

【专利技术属性】
技术研发人员:冷清明阳海鸥江俊君
申请(专利权)人:九江学院
类型:发明
国别省市:江西;36

网友询问留言 已有0条评论
  • 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。

1