融合曲率滤波的高光谱图像分类方法、装置、设备和介质制造方法及图纸

本发明专利技术提供了一种融合曲率滤波的高光谱图像分类方法、装置、设备和介质，其中方法包括以下步骤：S1、获取待处理的高光谱图像，并将所述高光谱图像进行归一化处理，得到高光谱数据集W；S2、对所述高光谱数据集W进行降维：每相邻n个波段叠加后平均，得到降维后的高光谱数据集J；S3、采用高斯曲率滤波对降维后的高光谱数据J进行滤波处理，提取空间特征；S4、利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类得到第二分类结果，并将第一分类结果和第二分类结果进行对比，得到较优分类结果。本发明专利技术采用高斯曲率滤波挖掘空间特征，并通过集成分类提高高光谱图像分类方法的分类精度和泛化能力。高光谱图像分类方法的分类精度和泛化能力。高光谱图像分类方法的分类精度和泛化能力。

【技术实现步骤摘要】
融合曲率滤波的高光谱图像分类方法、装置、设备和介质


[0001]本专利技术属于图像处理
，尤其涉及一种融合曲率滤波的高光谱图像分类方法、装置、设备和介质。

技术介绍

[0002]高光谱传感器通过上百个光谱通道获取地物的反射辐射信息，其波段范围覆盖了从可见光到近红外乃至长波红外区域，高光谱图像同时包含了地物的空间信息、反射或辐射信息以及光谱信息，其特征通常被称为“图谱合一”。而且光谱图像数据提供了近乎连续的光谱采样信息，可以记录地物在光谱上很小的反射差异。这个特性被称作地物的诊断特性，可以作为对地物进行分类和检测的依据。研究高光谱图像分类新技术，具有重要的理论意义和应用价值。
[0003]当前高光谱图像分类的技术主要存在以下问题：虽然SVM可以通过从高光谱图像中提取空间特征来获得更好的分类结果，但仍然存在一些不足，过去边缘保持滤波器提取空间特征有限，因此利用空间特征进行高光谱图像分类的方法有一定局限，同时分类模型的最大间隔模型优化是针对单个间隔的，并且不能表示整个训练数据集间隔分布，另外过去单一的分类器不能适应各种复杂的高光谱图像数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合曲率滤波的高光谱图像分类方法，其特征在于，包括以下步骤：S1、获取待处理的高光谱图像，并将所述高光谱图像进行归一化处理，得到高光谱数据集W；S2、对所述高光谱数据集W进行降维:每相邻n个波段叠加后平均，得到降维后的高光谱数据集J；S3、采用高斯曲率滤波对降维后的所述高光谱数据J进行滤波处理，提取空间特征；S4、利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类，得到第二分类结果，将第一分类结果和第二分类结果进行对比，得到较优分类结果。2.根据权利要求1所述的融合曲率滤波的高光谱图像分类方法，其特征在于，所述采用高斯曲率滤波对降维后的高光谱数据J进行滤波处理的步骤包括：S31、在所述高光谱数据集J中选取第m个波段图像作为目标图像；S32、将目标图像域分解为四个区域；S33、将目标图像的每一像素(i，j)视为中心像素，在领域像素构成的八个切平面，分别计算中心像素到八个切平面的投影距离d
l
，l＝1、
……
、8：S34、计算出投影距离d
l
中的最小绝对值d
m
，根据最小绝对值d
m
更新中心像素，当目标图像中所有像素更新后，完成目标图像的一次更新；S35、根据步骤S34获得的目标图像，计算其能量函数，若计算的能量函数小于更新前目标图像的能量函数，则转到步骤S32，否则停止更新，输出更新后的目标图像；S36、判断m是否小于高光谱数据集J的图像数量，若是，则将m加1，并转到步骤S1，若否，则完成高斯曲率滤波。3.根据权利要求1所述的融合曲率滤波的高光谱图像分类方法，其特征在于，所述利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类，得到第二分类结果的步骤包括：S41、抽取训练集：随机从空间特征以一定比例随机抽取训练集F
s
，其余部分作为训练集F
t
；S42...

【专利技术属性】
技术研发人员：廖建尚，
申请(专利权)人：广州航海学院，
类型：发明
国别省市：