【技术实现步骤摘要】
本专利技术涉及高光谱遥感图像处理，特别涉及一种基于超像素的高光谱遥感图像识别方法、系统及介质。
技术介绍
1、高光谱图像包含数百个狭窄而相邻的光谱波段，这得益于光谱成像设备的不断发展和光谱分辨率的提高。高光谱图像中的丰富空间和光谱信息极大地提高了对地观测的感知能力，使高光谱遥感技术在精准农业、空间探索、污染监测和军事应用等领域发挥了至关重要的作用。
2、高光谱遥感图像分类是一种利用高光谱遥感数据进行地物分类的技术，旨在通过学习方法给高光谱图像中每一个像素分配一个唯一的类别标签，从而完成对实际场景的语义解析。由于能够降低数据冗余度和增强局部特征，基于超像素的方法被广泛应用于高光谱图像分类中。然而，此类方法在复杂的边缘或结构处较易出现误分割现象，导致分类精度的降低。另一方面，基于特征提取的方法由于未考虑到地物边界信息，导致分类结果和实际地物难以保持一致。
技术实现思路
1、本专利技术提供了一种基于超像素的高光谱遥感图像识别方法、系统及介质，以解决
技术介绍
所提到的技术问题。
【技术保护点】
1.一种基于超像素的高光谱遥感图像识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述S1具体的实现方式为：
3.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述S2具体包括如下步骤：
4.根据权利要求3所述的高光谱遥感图像识别方法，其特征在于，所述S21中利用熵率超像素分割算法进行超像素分割，从而得到超像素分割图。
5.根据权利要求3所述的高光谱遥感图像识别方法，其特征在于，所述S22中的超像素级类别概率采用公式表示，具体如下：
6.根据权利要求...
【技术特征摘要】
1.一种基于超像素的高光谱遥感图像识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述s1具体的实现方式为：
3.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述s2具体包括如下步骤：
4.根据权利要求3所述的高光谱遥感图像识别方法，其特征在于，所述s21中利用熵率超像素分割算法进行超像素分割，从而得到超像素分割图。
5.根据权利要求3所述的高光谱遥感图像识别方法，其特征在于，所述s22中的超像素级类别概率采用公式表示，具体如下：
6.根据权利要求3所述的高光谱遥感图像识别方法，其特征...
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。