[发明专利]基于K最近邻滤波的高光谱图像分类方法在审
| 申请号： | 201710142633.X | 申请日： | 2017-03-10 |
| 公开（公告）号： | CN107092921A | 公开（公告）日： | 2017-08-25 |
| 发明（设计）人： | 黄坤山;王华龙;李志鹏 | 申请（专利权）人： | 佛山市南海区广工大数控装备协同创新研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广东广信君达律师事务所44329 | 代理人： | 杨晓松 |
| 地址： | 528225 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于k最近邻算法的高光谱图像分类方法。该分类过程主要包括(1)支持向量机分类利用支持向量机SVM分类器对高光谱图像进行粗分类，得到初始概率图。(2)主成分分析降维主成分分析法对高光谱图像降维得到的第一主成分图像(3)K最近邻滤波基于非局部K最近邻滤波器，在第一主成分图像的引导下提取高光谱图像的空间信息，对初始概率图进行优化。(4)根据优化后的概率图，获取高光谱图像的准确分类。本发明与传统的高光谱分类算法相比，最大的优势是，不用去求解复杂的全局能量最优化问题，就能提取高光谱图像的非局部空间信息去优化分类，因而分类速度快，并且精度高。 | ||
| 搜索关键词： | 基于 近邻 滤波 光谱 图像 分类 方法 | ||
【主权项】：
一种基于K最近邻滤波的高光谱分类方法，其特征在于，包括如下过程：(1)支持向量机对高光谱图像进行粗分类：利用支持向量机分类器，根据光谱信息，对高光谱图像进行粗分类，得到各个类别的初始概率图；(2)主成分分析法对高光谱图像进行降维：主成分分析法降维得到第一主成分图像，第一主成分更好地保留了高光谱图像的光谱信息和空间信息，将其作为用于引导滤波的图像；(3)K最近邻滤波：基于K最近邻的滤波器在第一主成分图像的引导下，对每一幅不同类别的初始概率图进行滤波，得到优化后的概率图；(4)获取高光谱图像的分类结果：根据滤波后的优化概率图，得到每个像元的类别概率，类别概率最大的，就给像元分配该类别的标记，得到最后的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于佛山市南海区广工大数控装备协同创新研究院，未经佛山市南海区广工大数控装备协同创新研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710142633.X/，转载请声明来源钻瓜专利网。
