[发明专利]一种基于综合置信的高光谱图像半监督分类方法

权利要求书

1.一种基于综合置信的高光谱图像半监督分类方法，其特征在于，所述方法包括以下步骤：

S1、读入三维高光谱图像立方体H(m,n,b)，其中m、n表示空间像素点位置，b表示所处光谱波段位置；

S2、计算高光谱数据像素点之间的去样本均值的相关系数，用于构造图权重矩阵W，权重数值能够衡量像素点间的相似度；

S3、将步骤S2的图权重矩阵W中每个像素点与自身以及与空间8近邻外的像素点的相似度权重值置0，即只为每个像素点与其空间8近邻内的像素点间建立图连接，得到稀疏化的图权重矩阵

S4、计算归一化图权重矩阵

S5、获取初始训练集和候选集

S6、设定协同训练的迭代次数M，并开始协同训练过程；

S7、使用训练集训练多项式逻辑回归分类器，ξ∈[0,1,...,M-1]表示当前过程处于协同训练的第ξ+1次迭代；

S8、使用多项式逻辑回归分类器对候选集中的样本分类，得到预测标签Y₁和对应的置信度P；

S9、使用半监督图分类方法对候选集中的样本分类，得到预测标签Y₂；

S10、取出候选集中预测标签Y₁和预测标签Y₂相同的样本，以及对应的预测标签Y_A，构成协定集D_A，从候选集置信度P中选出协定集样本对应的所有置信系数作为综合置信集P_A；

S11、筛选出协定集D_A对应综合置信集P_A中置信系数高于99％的样本，赋予预测标签Y_N，构成扩增集D_N，加入训练集中，得到更新的训练集

S12、将S11中扩增集D_N的样本从候选集中移除，得到更新的候选集

S13、迭代循环S7-S12步骤的高光谱图像协同训练过程，直至协同训练迭代达到设定值M次；

S14、使用半监督图分类方法和更新后的训练集分类高光谱图像验证分类精度。

2.根据权利要求1所述的基于综合置信的高光谱图像半监督分类方法，其特征在于，步骤S2中的图权重矩阵W采用如下计算方式：

其中，v_i代表第i个像素点的数据特征，v_a代表所有像素点的数据特征均值，w_ij是图权重矩阵W中第i行、第j列的元素，同时代表第i个像素点和第j个像素点的相似性权重值。

3.根据权利要求1所述的基于综合置信的高光谱图像半监督分类方法，其特征在于，步骤S4中的归一化图权重矩阵的计算采用其中度矩阵D计算公式如下：

其中，w_ij是图权重矩阵W中第i行、第j列的元素，V是像素点总数。

4.根据权利要求1所述的基于综合置信的高光谱图像半监督分类方法，其特征在于，步骤S8中的初始候选集由整个测试集内的样本构成，通过多项式逻辑回归分类器对整个候选集样本分类，得到第一种预测标签：

其中，γ代表候选集样本数，代表多项式逻辑回归分类器对候选集中第κ个样本的预测结果，κ∈[1,2,...,γ]；计算多项式逻辑回归分类器对每个像素点的最大分类后验概率值，作为预测置信度P＝[p₁,p₂,...,p_γ]，其中p_κ代表候选集中第κ个样本的预测置信度。