[发明专利]基于扩展形态学和导向滤波的高光谱图像分类方法

权利要求书

1.一种基于扩展形态学和导向滤波的高光谱分类方法，包括如下步骤：

(1)输入一幅包含d个波段数的待分类高光谱图像X及该图像X的类别标签；

(2)采用主成分分析方法，对高光谱图像X进行降维，得到高光谱图像X前c个主成分PC；

(3)采用扩展形态学方法，提取高光谱图像X前c个主成分PC中每个主成分的特征，得到到c×λ个形态学开特征图Π_γ和c×λ个形态学闭特征图Π_φ，其中，λ为整数；

(4)对形态学开特征图П_γ和形态学闭特征图П_φ分别进行导向滤波，并将滤波后的特征进行组合，得到高光谱图像X的特征集GEMP。

(5)根据高光谱图像X的类别标签，从特征集GEMP的每一类样本中随机抽取一定比例的样本作为训练集，剩余样本作为测试集；

(6)利用抽取出的训练集及该训练集中各样本对应的类别标签，对支持向量机进行训练，并利用训练好的支持向量机对测试集进行分类，得到分类后的高光谱图像X”；

(7)输出分类后的高光谱图像X”，并计算分类精度。

2.根据权利要求1所述的基于扩展形态学和导向滤波的高光谱分类方法，其特征在于，步骤(3)所述的提取高光谱图像X前c个主成分中每个主成分的特征，实现步骤为：

(3a)对高光谱图像X前c个主成分PC中的每一个主成分进行λ次开运算，得到c×λ个形态学开特征图П_γ，其中，任一主成分PC^s的第m个形态学开特征图可以表示为：

Πγsm=γRe(PCs)]]>

其中，1≤m≤λ，表示开重构算子，且e表示结构元素的大小，ε^e表示腐蚀操作，表示基于膨胀的重构操作；

(3b)对高光谱图像X前c个主成分PC中的每一个主成分进行λ次闭运算，得到c×λ个形态学闭特征图П_φ，其中，任一主成分PC^s的第m个形态学闭特征图可以表示为：

Πφsm=φRe(PCs)]]>

其中，表示闭重构算子，且δ^e表示膨胀操作，表示基于腐蚀的重构操作。

3.根据权利要求1所述的基于扩展形态学和导向滤波的高光谱分类方法，其特征在于，步骤(4)所述的高光谱图像X的特征集GEMP，其获取步骤为：

(4a)对高光谱图像X前c个主成分PC中的每一个主成分的λ个形态学开特征图Π_γ分别进行导向滤波，得到λ个形态学开特征图Π_γ的滤波输出值其中，对高光谱图像X前c个主成分PC中的任一主成分PC^s的第m个形态学开特征图进行导向滤波，得到形态学开特征图的滤波输出值实现过程为：

将高光谱图像X前c个主成分PC中的任一主成分PC^s的第m个形态学开特征图作为导向滤波器的输入图像，形态学开特征图对应的主成分PC^s作为导向滤波器的导向图像，对输入图像进行导向滤波，得到滤波输出值其中，对输入图像中i处像素进行导向滤波，得到输入图像中i处像素的滤波输出值

Qγsm,i=ΣjWij(PCs)Πγsm,j]]>

其中，表示形态学开特征图像中j处像素的特征值，W_ij表示滤波权值，且w_k表示第k个核函数窗口，k为正整数，|w|表示窗口w_k内像素的个数，和分别表示引导图像PC^s在窗口w_k内的均值和方差，ε为平滑因子；

(4b)对高光谱图像X前c个主成分PC中的每一个主成分的λ个形态学闭特征图Π_φ分别进行导向滤波，得到λ个形态学闭特征图П_φ的滤波输出值其中，对高光谱图像X前c个主成分PC中的任一主成分PC^s的第m个形态学闭特征图进行导向滤波，得到形态学闭特征图的滤波输出值实现过程为：

将高光谱图像X前c个主成分PC中的任一主成分PC^s的第m个形态学闭特征图作为导向滤波器的输入图像，形态学闭特征图对应的主成分PC^s作为导向滤波器的导向图像，对输入图像进行导向滤波，得到滤波输出值其中，对输入图像中a处像素进行导向滤波，得到输入图像中a处像素的滤波输出值

Qφsm,a=ΣbWab(PCs)Πφsm,b]]>

其中，表示形态学闭特征图像中b处像素的特征值，W_ab表示滤波权值，且

(4c)将高光谱图像X前c个主成分PC中每个主成分的λ个形态学开特征图Π_γ的滤波输出值和每个主成分的λ个形态学闭特征图П_φ的滤波输出值进行组合，得到每个主成分基于导向滤波的扩展形态学特征GMP(PC^s)；

(4d)高光谱图像X前c个主成分PC基于导向滤波的扩展形态学特征集GEMP可以表示为：

GEMP＝{GMP(PC¹),GMP(PC²),...,GMP(PC^s),...,GMP(PC^c)}。