[发明专利]融合曲率滤波的高光谱图像分类方法、装置、设备和介质

权利要求书

1.一种融合曲率滤波的高光谱图像分类方法，其特征在于，包括以下步骤：

S1、获取待处理的高光谱图像，并将所述高光谱图像进行归一化处理，得到高光谱数据集W；

S2、对所述高光谱数据集W进行降维:每相邻n个波段叠加后平均，得到降维后的高光谱数据集J；

S3、采用高斯曲率滤波对降维后的所述高光谱数据J进行滤波处理，提取空间特征；

S4、利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类，得到第二分类结果，将第一分类结果和第二分类结果进行对比，得到较优分类结果。

2.根据权利要求1所述的融合曲率滤波的高光谱图像分类方法，其特征在于，所述采用高斯曲率滤波对降维后的高光谱数据J进行滤波处理的步骤包括：

S31、在所述高光谱数据集J中选取第m个波段图像作为目标图像；

S32、将目标图像域分解为四个区域；

S33、将目标图像的每一像素(i，j)视为中心像素，在领域像素构成的八个切平面，分别计算中心像素到八个切平面的投影距离d_l，l＝1、……、8：

S34、计算出投影距离d_l中的最小绝对值d_m，根据最小绝对值d_m更新中心像素，当目标图像中所有像素更新后，完成目标图像的一次更新；

S35、根据步骤S34获得的目标图像，计算其能量函数，若计算的能量函数小于更新前目标图像的能量函数，则转到步骤S32，否则停止更新，输出更新后的目标图像；

S36、判断m是否小于高光谱数据集J的图像数量，若是，则将m加1，并转到步骤S1，若否，则完成高斯曲率滤波。

3.根据权利要求1所述的融合曲率滤波的高光谱图像分类方法，其特征在于，所述利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类，得到第二分类结果的步骤包括：

S41、抽取训练集：随机从空间特征以一定比例随机抽取训练集F_s，其余部分作为训练集F_t；

S42、支持向量机SVM分类：

S421、用径向基函数支持的SVM方法交叉验证，寻找较优的参数组合；

S422、用径向基函数支持的SVM对F_s进行训练，获取训练模型；

S423、获取模型后，用径向基函数支持的SVM对测试集F_t进行分类，得到第一分类结果；

S43、大间隔分布机LDM分类：

S431、用径向基函数支持的LDM方法交叉验证，寻找较优的参数组合；

S432、用径向基函数支持的LDM对F_s进行训练，获取训练模型；

S433、获取模型后，用径向基函数支持的LDM对测试集F_t进行分类，得到第二分类结果。

4.根据权利要求1所述的融合曲率滤波的高光谱图像分类方法，其特征在于，所述将高光谱图形进行归一化处理，得到高光谱图像数据集W的步骤包括：

采用公式(1)对所述高光谱图像进行归一化处理：

式中，R为高光谱图像数据集反射强度数值，μ和σ分布为对应于R的均值和标准偏差。

5.一种融合曲率滤波的高光谱图像分类系统，其特征在于，包括：

获取模块，用于获取待处理的高光谱图像，并将所述高光谱图像进行归一化处理，得到高光谱数据集W；

降维模块，用于对所述高光谱数据集W进行降维:每相邻n个波段叠加后平均，得到降维后的高光谱数据集J；

滤波模块，用于采用高斯曲率滤波对降维后的高光谱数据J进行滤波处理，提取空间特征；

分类模块，用于利用支持向量机对空间特性进行分类，得到第一分类结果，利用大间隔分布机对空间特征进行分类，得到第二分类结果，将第一分类结果和第二分类结果进行对比，得到较优分类结果。

6.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-4任一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任一项所述的方法的步骤。