[发明专利]基于LBP特征的超像素空谱多核高光谱图像分类方法

权利要求书

1.基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，包括以下步骤：

步骤1，采用熵率超像素分割算法对高光谱图像进行索引，生成带有超像素索引的高光谱图像；

步骤2：利用所述带有超像素索引的高光谱图像获得三个核函数，所述三个核函数包括光谱核、基于超像素内的空间核和基于超像素间的空间核；

步骤3：将得到的所述三个核函数进行融合，将获得的融合结果输入支持向量机分类器，完成训练后进行分类，得到分类结果图。

2.根据权利要求1所述的基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，所述步骤1包括：

步骤1-1，使用主成分分析法对所述高光谱图像进行波段选择，获得三个各不相关的主成分图像；

步骤1-2，对所述主成分图像应用熵率超像素分割算法，生成超像素分割图像；

步骤1-3，将所述超像素分割图像与原始的高光谱图像结合，生成所述带有超像素索引的高光谱图像。

3.根据权利要求2所述的基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，所述步骤1-1包括：

使用主成分分析法将所述高光谱图像线性投影到一组新的坐标空间中，选取所述高光谱图像的前三个主成分形成主成分图像，用于所述步骤1-2中的超像素分割。

4.根据权利要求3所述的基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，所述步骤1-2包括：

步骤1-2-1，根据以下公式，结合所述主成分图像纹理的复杂程度选择超像素数：

L＝L_base×R_texture

R_texture＝n/N

其中，L是超像素数，L_base是基超像素数，R_texture是纹理比率，n表示经过纹理分析过滤后的主成分图像中的非零元素数量，N表示纹理分析过滤前主成分图像中非零元素的数量；

步骤1-2-2，超像素分割首先在主成分图像上构造一个图G＝(V,E)；

其中，V为基本图像像素对应的顶点集，E为相邻像素之间成对相似点的边缘集；

步骤1-2-3，通过选择边的子集，将图分成多个连通的子图，每个所述子图对应一个超像素；

步骤1-2-4，根据以下公式，在超像素分割的目标函数中加入熵率项H(A)和平衡项B(·)：

其中，λ是为了控制H(A)和B(·)而引入的权重，λ≥0。

5.根据权利要求1所述的基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，所述步骤2包括：

步骤2-1，采集所述高光谱图像中所有的光谱像素；单个超像素是由具有相似结构特征的相邻光谱像素组成，对所述光谱像素进行采集，获得所述高光谱图像的光谱特征，根据所述光谱特征计算获得光谱核；

步骤2-2，利用局部二值模式算法，通过阈值标记法得出中心点像素与所述中心点像素的邻域像素之间的差分值，对所述主成分图像的局部纹理结构进行分析，实现超像素内空间核的提取；

步骤2-3，采用加权平均算法提取所述超像素间的空间特征，在每个所述超像素中执行权值替换操作，将替换得到的所有所述超像素进行组合，得到所述超像素间的空间核。

6.根据权利要求5所述的基于LBP特征的超像素空谱多核高光谱图像分类方法，其特征在于，所述步骤2-1包括：

步骤2-1-1，采集所述高光谱图像中所有的光谱像素，所述高光谱图像中所有的光谱像素构成高光谱图像的光谱特征；

步骤2-1-2，利用采集到的所述光谱像素，计算光谱核：

其中，为光谱核，为输入的n个光谱像素，σ为控制核测度光滑性的尺度参数，σ∈正实数。