[发明专利]基于多模态融合的光谱波段选择方法

权利要求书

1.基于多模态融合的光谱波段选择方法，其特征在于，包括如下步骤：

S1、接收高光谱图像样本和样本的类别标记信息；

S2、融合多个空间邻域内的空间特征和纹理特征，利用波段的相关性度量准则对所有波段按相关性由低到高进行排序，得到波段序列1；

S3、按照波段序列1调整所有接收到的高光谱图像样本并转换成一个二维反射率矩阵，利用所述二维反射率矩阵计算波段之间的相关性矩阵，分别基于相关性矩阵中每行的最大值、平均值和方差值对所有波段进行排列，得到波段序列2、波段序列3和波段序列4，其中，基于最大值排序的，最大值越小，波段顺序越靠前，基于平均值排序的，平均值越小，波段顺序越靠前，基于方差值排序的，方差值越大，波段顺序越靠前；

S4、对每个波段在上述四个波段序列中的排序序号加权求和，获得每个波段的最终排序序号；

S5、选择最终排序序号靠前的n个波段作为选择波段，其中，n取分类正确率趋于稳定时的最小波段数；

其中，所述S2具体包括如下步骤：

S201、首先利用LBP算子提取每个样本在每个邻域下的每个波段下的局部纹理特征，其中，类别标记为c的第j个样本在Ω邻域下的波段b处的局部纹理特征按照公式(1)进行计算

样本v_j在不同波段有不同的反射率，公式(1)中，v_b,j表示该样本v_j在波段b处的反射率，Ω为样本v_j的局部邻域，m_Ω为样本v_j在Ω邻域最外圈的邻居样本个数；

S202、利用公式(2)计算每个类别下所有样本在每个邻域下的每个波段下的局部纹理特征，并组成纹理特征向量，其中，类别标记为c的所有样本在Ω邻域下的波段b处的局部纹理特征按照公式(2)进行计算

其中，N_c表示类别标记为c的样本个数；

类别标记为c的所有样本在波段b处的纹理特征向量用表示，其中，Ω_k表示第k个邻域，k表示邻域的个数；

S203、对于每个波段，利用余弦度量方法，计算任意两个类别之间的相关系数ρ，统计波段在任意两类间的相关系数计算出新的波段相关性度量准则ξ，其中，波段b在类别c_x和c_y之间的相关系数ρ通过公式(3)计算，波段相关性度量准则ξ_b通过公式(4)计算，其中，公式(4)中C代表类别数，

S204、对S203中得到的所有波段的相关性ξ进行排序，相关性最低的即为被选优先级高的波段，排列在序列的最前面，最终得到波段序列1；

其中，所述S3具体包括如下步骤：

S301、按照波段序列1，对所有标记样本的波段重新排列，得到二维反射率矩阵为V∈R^B*M，其中，B为波段数，M为带类别标记信息的样本数，矩阵V中的每个元素v_b,m表示第m个样本在第b个波段的反射率，R^B*M表示B行M列矩阵；

S302、利用所述二维反射率矩阵V计算所有波段的相关性矩阵D∈R^B*B，其中相关性矩阵D中的每个元素表示波段ω和波段ε之间的相关性，R^B*B表示B行B列矩阵，V_ω,:表示所有样本在波段ω处的值，V_ε,:示所有样本在波段ε处的值；

S303、分别基于相关性矩阵D中每行的最大值、平均值和方差值对所有波段进行排列，得到波段序列2、波段序列3和波段序列4，其中，基于最大值排序的，最大值越小，波段顺序越靠前，基于平均值排序的，平均值越小，波段顺序越靠前，基于方差值排序的，方差值越大，波段顺序越靠前。

2.按照权利要求1所述基于多模态融合的光谱波段选择方法，其特征在于：所述S4具体如下：

通过公式(5)计算每个波段的最终排序序号

其中，表示波段b在第r个序列中的位置序号，w^r表示第r个序列在所有序列中所占的权重值。