【技术实现步骤摘要】
一种基于函数化表达降维的高光谱影像分类方法
[0001]本专利技术涉及高光谱遥感影像分类领域,具体涉及一种基于函数化表达降维的高光谱影像分类方法。
技术介绍
[0002]目前高光谱影像处理技术迅猛发展,已经成为遥感领域关注的热点。高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内,获取更多非常窄的光谱连续影像数据的技术,每个像素都有一条近乎连续的光谱曲线。高光谱影像维数高,包含丰富的光谱信息,但同时也存在着由于数据量庞大、相邻波段相关性高导致的数据冗余等问题。在高光谱影像分类过程中易于出现由于维数过高、标记样本少导致的休斯现象。因此,在高光谱影像分类时通常首先进行数据降维,然后再进行分类。
[0003]目前,针对高光谱影像降维方法可分为两类:第一类是通过波段选择降维,一般是依据一定的评价准则进行波段组合搜索,从而达到降维的目的。波段选择方法是从原始特征中选择需要的特征子集,原始特征和所选选特征是一种包含关系,没有更改原始特征。因此,该类降维方法具有简单、保原留影像部分特征等特点,但该类方法在波段选择时假设波段之间相互独立,没有考虑波段之间的相关性。实际上由于高光谱影像光谱分辨率高,使得相邻波段之间存在较强的相关性,因此波段选择往往丢失有用的相关性信息。
[0004]第二类是基于数据变换的特征提取降维,这类方法又可分为两个子类。一类是通过线性或非线性变换将高维数据映射到一个低维空间,从而获得一个关于原数据集紧致的低维表示,这类降维方法无法确定具体运用原始特征空间的哪一部分,且一般不考虑波段 ...
【技术保护点】
【技术特征摘要】
1.一种基于函数化表达降维的高光谱影像分类方法,其特征在于,具体包括以下步骤:步骤1:下载高光谱影像数据和它的标签数据;步骤2:对高光谱影像的各个像素的波段矢量,按波段的排列顺序依次累加求和,构造单调递增的累加光谱曲线,并对得到的累加光谱曲线进行多项式拟合,从而使每个像素的累加光谱曲线特征都用一个函数表达式来精确表示,得到拟合多项式的系数;步骤3:对拟合多项式的系数进行归一化处理;步骤4:对步骤3归一化后的数据输入到SVM分类器中,实现分类。2.根据权利要求1所述的一种基于函数化表达降维的高光谱影像分类方法,其特征在于,步骤2所述得到拟合多项式的系数具体为:首先给定高光谱影像,z={z
i
,i=1,...,n},其中i为像素索引,n为总像素数,z
i
=(z
ij
,j=1,...,m)为像素i的光谱测度矢量,将z
i
视为像素i光谱曲线的高密度采样,其中j为波段索引,m为总波段数,z
ij
为像素i波段j的光谱测度;然后将高光谱影像各波段光谱测度按波段序列依次累加,以获得累加光谱曲线,从而将起伏变化较大的光谱曲线变为单调递增的曲线;对累加光谱曲线进行多项式拟合,设y
i
=(y
ij
,j=1,...,m)为累加光谱曲线的波段采样矢量,其中:由于z
i
与y
i
中各波段一一对应,因此上述数据结构转换并不改变高光谱影像的波段
‑
光谱特征关系,使得变换后的数据结构仍能保持同种地物类型间的相似性及不同地物类型间的差异性。3.根据权利要求1所述的一种基于函数化表达降维的高光谱影像分类方法,其特征在于,步骤3具体为:步骤3.1:多项式函数的表达;对累加变换即式(1)后得到的新高光谱影像数据设为y,其中y={y
i
,i=1,...,n},y
i
=(y
ij
,j=1,...,m)看作为像素i的累加光谱曲线在m个波段频率t
j
(j=1,...,m)处的采样,满足t1<t2<
…
<t
m
;设拟合像素i累加光谱曲线的多项式函数为f
i
(t),其中t为频率,则:其中,l为多项式阶数索引,k为多项式拟合的最高阶数,a
il
为l阶项系数,a
i
=(a
il
,l=0,...,k)为系数集合;拟合多项式(2)与累加光谱曲线在采样点t
j
(j=1,...,m)的误差平方和为:其中:
其中,k为拟合的阶数,T为采样点集合,A
i
为多项式系数矩阵,Y
i
为波段采样矩阵,t
jl
...
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。