【技术实现步骤摘要】
基于多尺度同质区的高光谱影像半监督分类方法及系统
[0001]本专利技术涉及遥感影像处理
，特别是涉及一种基于多尺度同质区的高光谱影像半监督分类方法及系统。
技术介绍
[0002]随着光学传感器技术的进步，目前已经能够获得了高空间、光谱和时间分辨率，特别是高光谱影像所包含的丰富的光谱信息，开辟了新的应用领域。高光谱影像具有很高的光谱分辨率，能够获得地物的连续光谱信息，比传统的RGB影像和多光谱影像提供更为丰富的地面信息。高光谱影像能够同步获取光谱信息、地物空间信息以及辐射信息，因而具有巨大的应用价值和广阔的发展前景，在农业、林业、海洋、军事等领域发挥着越来越重要的作用。
[0003]在高光谱遥感中，分类是一个值得关注的重要问题。根据训练样本的使用情况，将高光谱影像的分类方法分为有监督、无监督和半监督分类。无监督分类方法不需要任何先验知识训练数据，自动将具有相似光谱特性的像素聚为一类，无监督聚类的成本最低，但是效果往往较差且不能确定集群和类之间的关系，常见的无监督聚类有K均值聚类、高斯混合模型、谱聚类等。>[0004]传统的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，包括：对待处理影像利用第一分割方法生成较大尺度的第一同质区、及利用第二分割方法生成较小尺度的第二同质区，所述第一同质区包括若干第一斑块，所述第二同质区包括若干第二斑块；对所述第一同质区和所述第二同质区的纯度进行评价以判断扩增训练样本的可行性；采用K近邻算法扩增所述第一同质区中有标记的第一斑块中距离初始训练样本最近的点作为训练样本；采用多数投票策略对所述第二斑块中有标记的第二斑块的标签进行投票扩增训练样本；分类完成后，依据总体分类精度、平均精度和Kappa系数评价分类结果的准确程度。2.根据权利要求1所述的基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，所述第一分割方法采用JSEG分割方法，所述第二分割方法采用SLIC分割方法。3.根据权利要求2所述的基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，所述利用第一分割方法生成较大尺度的第一同质区具体包括：提取高光谱图像的前三主成分作为RGB图并进行Kmeans聚类；选择合适的窗口尺寸计算J值，生成多尺度J图像；在多尺度J图像的基础上选择局部J值小于预定阈值的点作为种子点，将其邻域中与种子点相似的像素合并到一起，以最终得到JSEG分割图。4.根据权利要求2所述的基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，所述利用第二分割方法生成较小尺度的第二同质区具体包括：在全图中选择K个点作为聚类中心点，并将聚类中心移至邻域内的最小梯度距离所在位置；对图像中的所有像素都进行聚类分析，计算每个像素与所有聚类中心之间的距离，将到各个像素距离最小的聚类中心点归属于该聚类；重新计算该聚类中所有点的平均向量作为下次聚类的中心；重复上述过程直到收敛后输出超像素。5.根据权利要求1所述的基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，所述利用第一分割方法生成较大尺度的第一同质区后，还包括：利用均值漂移算法对不纯的第一斑块进行提纯；提纯时，采用平均方差作为衡量第一斑块纯度的指标，所述平均方差的计算公式具体为：其中，c代表高光谱影像总波段数，N为第一斑块中的像素数，x
i
代表第一斑块中第i个元素的特征向量，代表第一斑块的特征中心。6.根据权利要求1所述的基于多尺度同质区的高光谱影像半监督分类方法，其特征在于，所述采用K近邻算法扩增所述第一同质区中有标记的第一斑块中距离初始训练样本最近的点作为训练样本具体包括：
根据公式计算第k个无标记点的特征向量与第i个有标记点的特征向量之间的距离，其中，第二斑块内的元素个数为n，有标记点个数为j，每个元素的特征向量的个数为m，第k个无标记点的特征向量为U
k
＝u1,u2......u
m
，第i个有标记点的特征向量为L
i
...
【专利技术属性】
技术研发人员：刘丽丽，杨春蕾，顾明剑，胡勇，
申请(专利权)人：中科技术物理苏州研究院，
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。