[发明专利]基于分层概率模型的高光谱图像分类方法

摘要

本发明公开了一种基于分层概率模型的高光谱图像分类方法，它属于图像处理技术领域。其分类过程为对高光谱图像做预处理，得到特征图像数据。在特征图像数据中选出有专家标签标注的数据，用来训练分层概率模型。再由特征图像数据根据专家标签分出训练数据和测试数据，再投影到之前训练好的分层概率模型中，获得训练数据和测试数据的新的特征表示；最后使用支撑向量机做有监督分类得到分类结果。本发明具有相比原始高光谱数据直接做支撑向量机分类获得更高分类精度和更匀质分类区域的优点，可用于高光谱图像分类。

主权项

一种基于分层概率模型的高光谱图像分类方法，包括如下步骤：步骤1，对待分类的原始高光谱图像进行谱域降维；步骤2，对降维后的每个谱段图像做相同数量的形态学开关操作，采用半径大小逐一增大的圆形形态学结构元素来做形态学处理，得到所有坐标点的特征向量；步骤3，将步骤2得到的所有坐标点的特征向量与每个谱段图像本身的所有坐标点的特征向量堆叠在一起得到新的所有坐标点的特征向量；步骤4，在步骤3中得到的新的所有坐标点的特征向量中选出在标准分类图中有专家标签标注的坐标点的特征向量，对选出的所有特征向量，做归一化处理，也就是均值取零，方差取1，得到归一化处理后的特征向量；步骤5，使用步骤4中得到的归一化处理后的特征向量训练分层概率模型，得到训练后的分层概率模型；步骤6，由步骤4得到的归一化处理后的特征向量，依据标准分类图，对标准分类图中每一类随机选出10％的数据，也就是对每一类有专家标签标注的所有坐标点随机选出10％的坐标点，将其对应的特征向量作为训练数据，剩余的作为测试数据；步骤7，将步骤6得到的训练数据和测试数据投影到经过步骤5训练好的分层概率模型中，获得训练数据和测试数据在分层概率模型这个新空间下的新的特征表示；步骤8，使用分层概率模型下训练数据新的特征表示训练支撑向量机，再使用训练好的支撑向量机对分层概率模型下测试数据的新的特征表示做有监督分类。