本发明专利技术公开一种基于二阶有偏随机游走的高光谱图像分类方法，涉及高光谱图像处理领域。本发明专利技术通过线性判别分析算法（LDA）对高光谱图像进行特征提取和降维，排除冗余和无关的信息；采用线性迭代聚类算法（SLIC）进行图像分割，构建具有局部连续性和空间关联性的超像素，并降低图节点规模；提取高光谱图像的光谱特征和空间特征；对光谱特征和空间特征运用二阶有偏随机算法，综合利用深度和广度信息，构建结构自适应光谱超图和空间超图；将超图融合并输入结构自适应超图神经网络进行学习与分类；本发明专利技术与现有技术相比，通过二阶有偏随机游走算法，实现了介于深度优先遍历和广度优先遍历的超边节点采样策略。
【技术实现步骤摘要】
本专利技术提出一种基于二阶有偏随机游走的高光谱图像分类方法，涉及高光谱图像处理领域。
技术介绍
1、高光谱图像分类是遥感领域的一个重要研究课题；不同于rgb图像和多光谱图像，高光谱图像具有更丰富的光谱和空间信息；这意味着能为地质勘探、农业评估、土地管理和军事侦察等领域提供更多的关键信息；然而，由于高光谱图像数据具有高度非线性的不规则分布结构，丰富的光谱信息会导致不同的物体具有相似的光谱特征，导致网络难以正确分类；因此如何高效地对高光谱图像中丰富的光谱和空间信息进行建模和表示仍然是一个具有挑战性的任务。
2、目前，对于高光谱图像的方法主要分为基于cnn模型和基于gcn模型，但是这些方法倾向于关注局部特征，忽略了高光谱图像中的高阶相关性；同时高光谱图像由带状结构群落和聚集结构群落混合组成，如图3所示，而现有方法没有考虑综合利用高光谱图像中存在的不同群落特征；因此，如何对高光谱图像复杂的高阶相关性进行建模，并对高光谱图像中带状结构群落和聚集结构进行有效表征，综合利用高光谱图像中的深度和广度信息是目前亟待解决的技术问题。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于二阶有偏随机游走的高光谱图像分类方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
3.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
4.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
5.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：Step4中对光谱特征和空间特征运用二阶有偏随机算法，综合利用深度和广度信息，构建结构自适应光谱超图和空间超图，具体包括以下步骤：
6...
【技术特征摘要】
1.一种基于二阶有偏随机游走的高光谱图像分类方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
3.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
4.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：
5.根据权利要求1所述的基于二阶有偏随机游走的高光谱图像分类方法，其特征在于：step4中对光谱特征和空间特征运...
【专利技术属性】
技术研发人员：王青旺，黄江波，王盼新，蒋涛，王铭野，谷延锋，沈韬，
申请(专利权)人：昆明理工大学，
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。