高光谱遥感影像半监督分类方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种高光谱遥感影像半监督分类方法、装置、设备及存储介质，该方法包括：对高光谱遥感影像进行预处理；从高光谱遥感影像中每个类别随机选取设定数量的像素作为训练样本；使用SLIC分割算法对高光谱遥感影像进行分割，获取分割图；使用SVM分类器对高光谱遥感影像进行分类，获取初步分类图；根据分割图和初步分类图，标记伪标签数据；将伪标签数据和训练样本合并，作为新的训练数据，使用SVM分类器进行二次分类。这样有效的解决了高光谱遥感影像样本不足的问题，在较少的训练样本的情况下，能够从无标签数据中增加一部分伪标签数据，从而获取更多的训练样本，以达到提高分类精度的目的。精度的目的。精度的目的。

【技术实现步骤摘要】
高光谱遥感影像半监督分类方法、装置、设备及存储介质


[0001]本专利技术涉及遥感影像分类
，特别是涉及一种高光谱遥感影像半监督分类方法、装置、设备及存储介质。

技术介绍

[0002]遥感技术作为一种新型对地观测技术，近年来向着更高空间分辨率、时间分辨率、光谱分辨率的方向迅速发展。随着高光谱传感器的快速研制以及高光谱遥感技术的飞速发展，高光谱遥感影像数据量越来越大，计算机硬件不断提升，对影像的应用和算法也提出了更高的要求。如何快速有效地从高光谱遥感影像中提取地物信息是高光谱遥感处理领域的研究重点。
[0003]高光谱影像分类是高光谱遥感影像处理领域中一个发展较快的研究方向，对高光谱遥感影像的地物进行分类可以在一定程度上反映地物的空间分布，便于人们从中认识和发现规律、辅助决策。然而，高光谱影像的维度较高，需要较多的样本进行模型训练。在实际应用中，获取样本标签的成本通常较高，往往导致训练样本不足，从而降低模型训练效果，限制地物分类精度。
[0004]因此，如何解决高光谱遥感影像小样本的问题，是本领域技术人员亟待解决的技术问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱遥感影像半监督分类方法，其特征在于，包括：对高光谱遥感影像进行预处理；从所述高光谱遥感影像中每个类别随机选取设定数量的像素作为训练样本；使用SLIC分割算法对所述高光谱遥感影像进行分割，获取分割图；使用SVM分类器对所述高光谱遥感影像进行分类，获取初步分类图；根据所述分割图和所述初步分类图，标记伪标签数据；将所述伪标签数据和所述训练样本合并，作为新的训练数据，使用所述SVM分类器进行二次分类。2.根据权利要求1所述的高光谱遥感影像半监督分类方法，其特征在于，在所述SLIC分割算法中，使用光谱角距离代替自然图像的颜色距离，以使相似光谱的像素在空间上聚类。3.根据权利要求2所述的高光谱遥感影像半监督分类方法，其特征在于，所述使用SLIC分割算法对所述高光谱遥感影像进行分割，获取分割图，包括：将所述高光谱遥感影像中的每个像素表示为A
i
＝[x
i
,α
i
,β
i
]
T
，其中x
iT
＝[x1,x2,...,x
d
]
T
表示第i个像素的光谱数据，d表示维度，[α
i
,β
i
]
T
表示空间向量；根据输入的聚类中心个数，将所述高光谱遥感影像均匀地分为个数与所述聚类中心个数相同的超像素；计算每一个超像素的均值作为聚类中心，以及计算像素与所述聚类中心之间的距离；根据计算的所述距离，更新所述聚类中心；迭代上述步骤，直至所述聚类中心不再变化或者到达迭代次数，获取所述高光谱遥感影像的分割图。4.根据权利要求3所述的高光谱遥感影像半监督分类方法，其特征在于，所述计算像素与所述聚类中心之间的距离，包括：计算像素的光谱距离和空间距离；根据所述光谱距离、所述空间距离、像素的周围邻域范围，以及空间特征和光谱特征的权重系数，计算像素与所述聚类中心之间的距离。5....

【专利技术属性】
技术研发人员：刘康，朱济帅，安源，邓美环，陈木森，
申请(专利权)人：海南长光卫星信息技术有限公司，
类型：发明
国别省市：