[发明专利]一种基于双光谱角的波段聚类选择方法

说明书

本发明涉及图像分析领域，尤其涉及一种基于双光谱角的波段聚类选择方法。所述方法为：对样本图片进行预处理，得到目标像素分辨率的高光谱图像；根据背景与中心元素的空间相关性和光谱相关性构建双光谱角特征，对原始特征和双光谱角特征进行计算；利用原始特征和双光谱角特征分别进行聚类；根据关联函数对聚类结果进行优化，使熵函数最小，迭代聚类结果区域稳定后结束，得到最终波段选择结果。本发明兼顾像素间的空间相关性和波段间的光谱相关性，在不牺牲物理属性信息的前提下高效表征高光谱图像的有效特征，降低后续数据处理的计算量。

技术领域

本发明涉及图像分析领域，尤其涉及一种基于双光谱角的波段聚类选择方法。

背景技术

高光谱图像含有大量的光谱信息可以用于图像的分析，然而随着高光谱采集技术的进步，大量的精细波段数据立方中邻近波段间会存在较强的关联性，含有大量冗余信息，导致计算复杂度的提高和时间的耗损，产生维度灾难问题。

目前常用的降维方法从原理上可分为基于特征提取和基于波段选择两类。所述特征提取的方式，可以将原始高光谱数据投影到低维空间，但整体耗时严重，并且扭曲波段原始信息，造成物理属性的丢失。因此采用波段选择的方式进行数据降维，构造相关性低的波段子集，可在不造成物理属性丢失的前提下表征整幅高光谱图像。

基于聚类的方法是目前一种常用的高光谱波段选择方法，但其注重典型数据在高光谱立方体中的代表性，缺乏对数据间关联性的考虑。

发明内容

本发明要解决的技术问题是：提供一种基于双光谱角的波段聚类选择方法，兼顾像素间的空间相关性和波段间的光谱相关性，在不牺牲物理属性信息的前提下高效表征高光谱图像的有效特征，降低后续数据处理的计算量。

本发明提供了一种基于双光谱角的波段聚类选择方法，包括以下步骤：

步骤S1：对样本图片进行预处理，得到目标像素分辨率的高光谱图像；

步骤S2：根据背景与中心元素的空间相关性和光谱相关性构建双光谱角特征，对原始特征和双光谱角特征进行计算；

步骤S3：利用原始特征和双光谱角特征分别进行聚类；

步骤S4：根据关联函数对聚类结果进行优化，使熵函数最小，迭代聚类结果区域稳定后结束，得到最终波段选择结果。

优选地，所述双光谱角包括新的光谱角和空间角。

优选地，所述空间角的两边为两相邻像元P_i,j和P_i+1,j的两个连续波段B_k-1和B_k，所获得的两个向量[b_i,j,k-1,b_i,j,k]和[b_i+1,j,k-1,b_i+1,j,k]在以B_k为横轴、以B_k-1为纵轴的坐标系中形成一个特定的角度；

对于一个邻域中心元素b_i,j,k有8个角度与之相连，形成8个空间角；

其中，B_k表示像素P_i,j的第k个波段；b_i,j,k表示图像立方体的中心。

优选地，所述新的光谱角的两边为两相邻像元P_i,j和P_i+1,j的两个连续波段B_k-1和B_k，所获得的两个向量[b_i,j,k-1,b_i,j,k]和[b_i+1,j,k-1,b_i+1,j,k]在以B_k为横轴、以B_k-1为纵轴的坐标系中形成一个特定的角度；