[发明专利]高光谱图像监督分类方法

摘要

本发明公开了一种高光谱图像监督分类方法，主要解决现有方法对高光谱图像像素之间的空间信息利用不充足的问题，其分类过程为：对于待分类的高光谱图像，依据训练样本集建立二叉树模型，得到内部节点索引表；依据该索引表，依序找出本次待分类的内部节点标号和标号对应的高光谱图像像素点的位置；逐个计算相应位置处的每个像素分别属于本次内部节点的左、右子节点的似然概率值，得到高光谱图像的初始类标记；依据交替优化算法，更新初始类标记得到最终类标记；分别记录最终类标记中的两个子节点包含像素点的位置，存储到相应的子节点中；依次处理每个内部节点对应的高光谱图像数据，直至处理完所有内部节点。本发明可用于遥感图像分类与识别。

主权项

一种高光谱图像监督分类方法，包括如下步骤：(1)对于待分类的高光谱图像，依据训练样本集，建立二叉树模型，得到节点标号，将内部节点标号及其包含的类别组存储于索引表中：1a)计算训练样本集中各个类别的均值向量，将其作为各类特征；1b)使用欧式距离作为衡量各类别之间差异的度量，计算出每两个类别i1，i2之间的空间距离diff(i1，i2)，所有类别之间的空间距离构成一个大小为K×K的可分性判别矩阵D，K为类别总数；1c)找出可分性判别矩阵中最大值max(D)对应的两个类别i，j，将其作为两个类别组C1和C2的初始值，即C1＝{i}，C2＝{j}；逐个比较每个剩余类别i′与类别i和类别j的空间距离，若i′与类别i的空间距离diff(i′，i)小于i′与类别j的空间距离diff(i′，j)，则将类别i′划到第一类别组C1中；否则将i′划到第二类别组C2中，即下式： U i ′ C 1 = { i , i ′ } , diff ( i ′ , i ) < diff ( i ′ , j ) C 2 = { j , i ′ } , diff ( i ′ , i ) > diff ( i ′ , j ) - - - < 1 > 其中i′∈{1，2，...，K}，i′≠i，j，U表示所有i′的集合；1d)按照1c)中的方法，不断将每个类别组细分为更小的类别组，直至所有类别组都只包含一个最终类别，树模型即建立成功；树模型建立过程中的每个类别组以及最终类别统称为树的节点，其中类别组称为内部节点，最终类别称为叶子节点；给所有节点分配节点标号，树的根节点标号为1，该根节点标号1对应整个原始图像，包含图像中所有像素点的位置；对树中任一个节点t，其左子节点l(t)的节点标号为2t，右子节点r(t)的节点标号为2t+1，将内部节点标号及其包含的类别组存储于索引表中；(2)将高光谱图像数据和树节点对应，依据数模型中的内部节点索引表，依序找出本次待分类的内部节点标号和标号对应的高光谱图像像素点的位置；(3)根据得到的高光谱图像像素点位置，逐个计算相应位置处的每个像素分别属于本次内部节点的左、右子节点的似然概率值，将两个似然概率值中最大值对应的子节点的类别作为该像素类别，由此得到高光谱图像的初始类标记；(4)依据交替优化算法，将得到的初始类标记进行类标记更新，得到本次的最终类标记；分别记录本次分类后的两个子节点包含像素点的位置，存储到相应的子节点中；(5)重复步骤(2)到步骤(4)，依次处理每个内部节点对应的高光谱图像数据，直至处理完所有内部节点对应的数据，完成对高光谱图像的分类。