[发明专利]高光谱图像分类方法及相关设备

权利要求书

1.一种高光谱图像分类方法，其特征在于，包括：

确定步骤，确定包括K类地物的目标高光谱图像的训练样本集合和待分类样本集合；所述目标高光谱图像由所述训练样本集合中的像素点和所述待分类样本集合中的像素点组成，所述训练样本集合包括每类地物的第一预设数目的像素点；

处理步骤，对所述训练样本集合和所述待分类样本集合进行如下处理：

根据所述训练样本集合生成K个训练子集，其中，将所述训练样本集合剔除一类地物的像素点，以得到一个训练子集；

利用所述K个训练子集和预设选择策略，从所述待分类样本集合中选取第二预设数目的满足所述预设选择策略的像素点，将所述第二预设数目的像素点加入所述训练样本集合以更新所述训练样本集合，并从所述待分类样本集合中删除对应的像素点以更新所述待分类样本集合；

分类步骤，利用更新后的所述训练样本集合进行模型训练以得到第一图像分类模型，并利用所述第一图像分类模型对更新后的所述待分类样本集合进行预测得到每个待分类样本的第一分类预测信息；

所述利用所述K个训练子集和预设选择策略，从所述待分类样本集合中选取第二预设数目的满足所述预设选择策略的像素点，包括：

分别利用所述K个训练子集进行模型训练以得到K个第二图像分类模型，分别利用所述K个第二图像分类模型对所述待分类样本集合进行预测以得到每个待分类样本的K个第二分类预测信息；

根据所述第二分类预测信息从所述待分类样本集合中选取所述第二预设数目的像素点；

所述第二分类预测信息包括预测类别以及对应的残差值；所述根据所述第二分类预测信息从所述待分类样本集合中选取所述第二预设数目的像素点，包括：

根据每个所述待分类样本的K个所述预测类别和K个所述残差值计算对应的分类置信度；

根据所述分类置信度从所述待分类样本集合中选取所述第二预设数目的分类置信度最低的像素点。

2.根据权利要求1所述的方法，其特征在于，所述分别利用所述K个训练子集进行模型训练以得到K个第二图像分类模型包括：

分别利用所述K个训练子集和第二待训练模型进行模型训练，以得到所述K个第二图像分类模型，所述第二待训练模型包括协同表示分类模型、支持向量机、极限学习机中的任意一个。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述分类步骤包括：

确定所述训练样本集合的更新次数；

所述更新次数小于次数阈值时，将更新后的所述训练样本集合和更新后的所述待分类样本集合作为新的训练样本集合和新的待分类样本集合，并对其进行如所述处理步骤的处理；

所述更新次数大于或等于所述次数阈值时，利用更新后的所述训练样本集合获取更新后的所述待分类样本集合中每个待分类样本的第一分类预测信息。

4.根据权利要求1至2任一项所述的方法，其特征在于，所述分类步骤包括：

确定所述第一图像分类模型不满足收敛条件时，将更新后的所述训练样本集合和更新后的所述待分类样本集合作为新的训练样本集合和新的待分类样本集合，并对其进行如所述处理步骤的处理。

5.根据权利要求1至2任一项所述的方法，其特征在于，所述利用更新后的所述训练样本集合进行模型训练以得到第一图像分类模型，包括：

利用更新后的所述训练样本集合和第一待训练模型进行模型训练，以得到所述第一图像分类模型，所述第一待训练模型包括支持向量机、稀疏表示分类模型、多元逻辑回归分类模型中的任意一个。