[发明专利]基于分层概率模型的高光谱图像分类方法

权利要求书

1.一种基于分层概率模型的高光谱图像分类方法，包括如下步骤：

步骤1，对待分类的原始高光谱图像进行谱域降维；

步骤2，对降维后的每个谱段图像做相同数量的形态学开关操作，采用半径大小逐一增大的圆形形态学结构元素来做形态学处理，得到所有坐标点的特征向量；

步骤3，将步骤2得到的所有坐标点的特征向量与每个谱段图像本身的所有坐标点的特征向量堆叠在一起得到新的所有坐标点的特征向量；

步骤4，在步骤3中得到的新的所有坐标点的特征向量中选出在标准分类图中有专家标签标注的坐标点的特征向量，对选出的所有特征向量，做归一化处理，也就是均值取零，方差取1，得到归一化处理后的特征向量；

步骤5，使用步骤4中得到的归一化处理后的特征向量训练分层概率模型，得到训练后的分层概率模型；

步骤6，由步骤4得到的归一化处理后的特征向量，依据标准分类图，对标准分类图中每一类随机选出10％的数据，也就是对每一类有专家标签标注的所有坐标点随机选出10％的坐标点，将其对应的特征向量作为训练数据，剩余的作为测试数据；

步骤7，将步骤6得到的训练数据和测试数据投影到经过步骤5训练好的分层概率模型中，获得训练数据和测试数据在分层概率模型这个新空间下的新的特征表示；

步骤8，使用分层概率模型下训练数据新的特征表示训练支撑向量机，再使用训练好的支撑向量机对分层概率模型下测试数据的新的特征表示做有监督分类。

2.根据权利要求1所述的基于分层概率模型的高光谱图像分类方法，其中步骤1对待分类的原始高光谱图像进行谱域降维，采用主分量分析降维的方法，提取谱域上的主要信息。

3.根据权利要求1所述的基于分层概率模型的高光谱图像分类方法，其中，对待分类的原始高光谱图像进行谱域降维，将待分类的原始高光谱图像降维为19个谱段。

4.根据权利要求1所述的基于分层概率模型的高光谱图像分类方法，其中步骤5包括如下步骤：

将步骤4中归一化处理后的特征向量输入到分层概率模型，调整分层概率模型中的参数，也就是训练出分层概率模型中的参数，用最大似然方法与梯度上升结合的方法来做参数估计；

一旦分层概率模型参数确定下来，在分层概率模型中输入x，便求出y，y即为输入x在分层概率模型下新的特征表示，x为特征向量。