[发明专利]基于像素空间信息的高光谱图像分割方法

摘要

本发明公开了一种基于像素空间信息的高光谱图像分割方法，主要是解决现有方法中不能将相近地貌很好的分割出来的不足。其分割步骤是：求解高光谱数据的像素特征和像素空间欧氏距离矩阵，并进行归一化；对像素特征和像素空间欧氏距离矩阵进行加权，将加权后的两个矩阵相加形成联合相异度矩阵，调节加权参数，得到多组联合相异度矩阵；使用等距映射算法对每一组的联合相异度矩阵进行降维，得到多组映射结果；对每组映射结果进行统计分析，完成高光谱图像的初步分割；对初步划分的边界点进行类别校正，得到最后的图像分割结果。本发明能够有效地找到高光谱图像中的不同地貌的细微差别，可用于军事目标识别，矿藏勘探，环境状况分析。

主权项

1、一种高光谱图像分割方法，其特征在于包含步骤如下：(1)对高光谱图像数据的像素特征信息和像素空间信息分别进行欧氏距离求解，获得像素特征欧氏距离矩阵和像素空间欧氏距离矩阵，并对这两个矩阵进行归一化；(2)将归一化的像素特征欧氏距离矩阵和像素空间欧氏距离矩阵进行加权，并通过调节加权参数改变二者的大小，使加权后的两个矩阵相加后形成联合相异度矩阵，反复调整加权参数，得到多组联合相异度矩阵；(3)使用等距映射算法分别对每一组的联合相异度矩阵进行降维，得到多组映射结果；(4)对多组映射结果分别进行欧氏距离求解，并统计像素点空间近邻变化情况，将与近邻距离持续变大的点判定为边界点，完成高光谱图像的初步分割；(5)对图像初步分割结果中的边界点进行如下类别校正，得到最后的图像分割结果，5a)根据像素空间欧氏距离矩阵和像素特征欧氏距离矩阵提取每个边界点与其像素空间八近邻点的像素特征欧氏距离，形成该边界点的特征距离集合；5b)按每个边界点的八近邻点类别统计其距离集合，形成x个欧氏距离向量；5c)计算每一个欧氏距离向量的中值，将x个中值中最小的那个向量代表的类别设定为该边界点的最终类别。