[发明专利]一种成像光谱目标识别分析中的模式识别方法

摘要

一种成像光谱目标识别分析中的模式识别方法，获取待测图像像元中三维成像光谱数据的像元光谱二维矩阵；对待预测的像元光谱矩阵进行校正光谱误差的预处理，得到预处理后的像元光谱二维矩阵；根据训练样本特征权重，计算预测样本与训练样本之间的权重欧式距离，通过权重欧式距离分别获取预测样本的在每个训练样本类别内的nc个近邻，根据所获的这些近邻，分别构建超平面；计算预测样本到每个构建的超平面的最小距离；判断预测样本到哪个超平面距离最近，模式识别的结果就是预测样本属于这个超平面所属的类别。本发明解决了现有技术中的模式识别方法复杂度高与识别精度低的问题。

主权项

一种成像光谱目标识别分析中的模式识别方法，其特征在于包括以下步骤：步骤101，获取待测图像像元中三维成像光谱数据的像元光谱二维矩阵；步骤102，对待预测的像元光谱二维矩阵进行校正光谱误差的预处理，得到预处理后的预测像元光谱二维矩阵；步骤103，将预处理后的预测像元光谱二维矩阵即预测样本，与光谱库中同样经过上述预处理后的已知类别光谱即训练样本，进行模式识别匹配；计算训练样本特征权重；步骤104，根据训练样本特征权重，计算预测样本与训练样本之间的权重欧式距离，通过权重欧式距离分别获取预测样本的在每个训练样本类别内的nc个近邻，根据所获的这些近邻，分别构建超平面；步骤105，计算预测样本到每个构建的超平面的最小距离；步骤106，判断预测样本到哪个超平面距离最近，模式识别的结果就是预测样本属于这个超平面所属的类别；所述步骤103是将预处理后的预测像元光谱二维矩阵即预测样本与光谱库中同样经过上述预处理后的已知类别光谱即训练样本进行模式识别匹配；计算训练样本特征权重具体如下：设已经存在训练样本集,包含L个样本，J个类别，每个样本包含d个特征,记为：xi＝(xi1,...,xid)T，d个特征所属类别为yi＝c(i＝1,...,L；c＝1,...,J)；计算训练样本的特征权重：rj=ΣiΣcI(yi=c)(x‾cj-x‾j)2ΣiΣcI(yi=c)(xij-x‾cj)2]]>wj=exp(rj)Σj=1dexp(rj)∀j=1,...,d]]>其中rj为计算过程中间变量；为全部训练样本第j维特征的全局均值；yi＝c(i＝1,...,L；c＝1,...,J)为训练样本对应的类别；为第c类训练样本第j维特征的均值；I(yi)表示一个函数，当yi＝c时为1，否则为0；xij为训练样本xi第j维特征值；wj为训练样本第j维特征的权重值；d为样本特征个数。