超像素级高光谱图像薇甘菊识别方法技术

本申请实施例提供一种超像素级高光谱图像薇甘菊识别方法，通过将目标图像进行预设尺度的分割，获得对应的超像素级的第一子图像，进一步确定自适应高斯核，以各第一子图像中的波段为单位，获得波段相似度矩阵，并进行超像素级谱聚类，获得多个波段簇，针对各波段簇中的波段进行数据处理和筛选，确定综合排名指标，获得对应的子图像以识别目标物体，由此，在空间维度和波段维度对目标图像进行了分割、数据处理和数据分析，结合了聚类的方式和指标排名的方式，选取对应的目标波段，进而实现物体识别，解决了两类方法结合障碍的问题，保证了物体识别的有效性和特征的物理可解释性，实现了低数据量下的高光谱图像物体识别。

【技术实现步骤摘要】

本申请涉及遥感领域，尤其涉及一种超像素级高光谱图像薇甘菊识别方法。

技术介绍

1、高光谱图像中包含了丰富的空间信息和细致的光谱信息，可实现遥感领域的物体检测、识别和分析。但是，高光谱图像手动标记工作量过大，导致在目标物体的识别任务中，没有足够的数据集以支撑相应任务，此外，高光谱图像在数据处理过程中计算量通常较大。

2、因此，基于高光谱图像的物体识别，需要对数据进行降维，波段选择由于能够保持数据的物理意义，为一种可选的数据降维实现方式。

3、但是，在波段选择的过程中，由于前述的数据集中数据量不足，可通过无监督的方法实现波段选择，包括基于聚类或基于排名的方法。此两类方法具备不同的局限性，例如基于聚类的方法识别效果较好，但参数调整难度大、效率不高，而基于特征排名的方法无法充分表达各波段的数据联系。因此，可以将此两类方法结合，但这两类方法在结合过程中存在阻碍，无法简单组合。因此，需要一种超像素级高光谱图像薇甘菊识别方法，以实现基于聚类和基于排名两类识别方法的结合，提升识别的有效性，降低所需的数据量和数据处理的复杂程度。</p>
...

【技术保护点】

1.一种超像素级高光谱图像薇甘菊识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对目标图像进行多尺度超像素分割，获得多个超像素级的第一子图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据各所述第一子图像，确定自适应高斯核，获得波段相似度矩阵，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述波段相似度矩阵进行超像素级谱聚类，获得对应于各所述第一子图像的多个波段簇，包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述综合排名指标包括信息熵、距离因子和超像素聚类方差比；<...

【技术特征摘要】

1.一种超像素级高光谱图像薇甘菊识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对目标图像进行多尺度超像素分割，获得多个超像素级的第一子图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据各所述第一子图像，确定自适应高斯核，获得波段相似度矩阵，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述波段相似度矩阵进行超像素级谱聚类，获得对应于各所述第一子图像的多个波段簇，包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述综合排名指标包括信息熵、距离因子和超像素聚类方差比；

6.一种超...

【专利技术属性】
技术研发人员：张书瑜，谢灵杰，尹文龙，夏保升，贾森，
申请(专利权)人：深圳大学，
类型：发明
国别省市：