【技术实现步骤摘要】
一种基于波段子集的高光谱图像特征提取方法、系统与设备
[0001]本专利技术涉及图像处理
，特别地涉及一种基于波段子集的高光谱图像特征提取方法、系统与设备。
技术介绍
[0002]利用高光谱遥感图像对地物分类时，若利用全部波段进行分类，计算量太大，光谱波段对分类未必全是重要和有效的。并且分类算法的复杂度会随着特征空间维数的增加而增加，即特征空间的高维度会加剧分类的负担；而且由于高维数据空间的特点，容易出现所谓的“维数灾难”问题，影响到后续处理。因此在对高光谱数据进行处理之前，保留用于分析的重要信息的同时去除大量的数据冗余，将高维数据变换到有意义的低维表示。
[0003]降维预处理就是将分散在各个原始特征中的有关模式类别的统计信息有效地集中起来，以达到提高正确识别率和降低计算工作量的目的。降维策略能够在一定程度上减轻“维数灾难”，有效减低高光谱数据较高的维数而导致的信息冗余，提高分类器性能。因此，研究一种面向分类和目标识别的高光谱图像降维技术，以提高高光谱图像的后续处理效果，仍是本领域待解决的技术问题。
【技术保护点】
【技术特征摘要】
1.一种基于波段子集的高光谱图像特征提取方法，其特征在于，包括：采集高光谱图像，并对所述高光谱图像进行预处理；对所述高光谱图像的所有波段进行分组，得到若干个波段子集；提取各个波段子集的特征，生成特征图像；采用面向对象方法对所述特征图像进行地物分类。2.根据权利要求1所述的基于波段子集的高光谱图像特征提取方法，其特征在于，对所述高光谱图像进行预处理至少包括对所述高光谱图像进行辐射校正、裁剪及几何校正。3.根据权利要求1所述的基于波段子集的高光谱图像特征提取方法，其特征在于，对所述高光谱图像的所有波段进行分组的步骤，包括：计算所述高光谱图像的各个相邻波段的相关系数；基于所述高光谱图像的各个相邻波段的相关系数，构造相关系数矢量；从所述相关系数矢量中提取K个极小值，根据K个极小值将所述高光谱图像划分为K+1个波段子集；判断每个波段子集中波段数是否大于设定的阈值P，若一波段子集中的波段数大于预先设定的阈值P，将该波段子集中每P个波段作为一个新的波段子集，剩余波段单独作为另一个新的波段子集。4.根据权利要求3所述的基于波段子集的高光谱图像特征提取方法，其特征在于，所述高光谱图像的各个相邻波段的相关系数的计算方法为：式中，X
m
为波段X中第m个像元的亮度值，Y
m
为波段Y中第m个像元的亮度值，m为高光谱图像中像元的序号，和分别为相应的光谱波段均值，R
XY
为相邻的光谱波段X和Y的相关系数。5.根据权利要求1所述的基于波段子集的高光谱图像特征提取方法，其特征在于，所述提取各个波段子集的特征，生成特征图像的步骤，包括：利用最小噪...
【专利技术属性】
技术研发人员：刘用，徐昊，曹子阳，郑慧，任昊冬，吕楠，
申请(专利权)人：交通运输通信信息集团有限公司，
类型：发明
国别省市：
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。