[发明专利]基于扩展形态学和导向滤波的高光谱图像分类方法

摘要

本发明公开了一种基于扩展形态学和导向滤波的高光谱图像分类方法，用于解决现有技术存在的边缘区域以及小类别区域错分而导致的分类精度差的技术问题，实现步骤为采用主成分分析方法对输入的待分类高光谱图像进行降维，得到前c个主成分；采用扩展形态学方法，提取高光谱图像前c个主成分中每个主成分的特征；对提取的特征进行导向滤波，构造特征集；从特征集中抽取训练集与测试集；输入训练集和对应的类别标签对支持向量机进行训练，利用训练好的支持向量机对测试集进行分类；输出分类后的高光谱图像并计算分类精度。本发明改善了边缘区域和小类别区域错分的现象，有效地提高了图像的分类精度，可用于农业、环境监视等诸多领域。

主权项

一种基于扩展形态学和导向滤波的高光谱分类方法，包括如下步骤：(1)输入一幅包含d个波段数的待分类高光谱图像X及该图像X的类别标签；(2)采用主成分分析方法，对高光谱图像X进行降维，得到高光谱图像X前c个主成分PC；(3)采用扩展形态学方法，提取高光谱图像X前c个主成分PC中每个主成分的特征，得到到c×λ个形态学开特征图Πγ和c×λ个形态学闭特征图Πφ，其中，λ为整数；(4)对形态学开特征图Пγ和形态学闭特征图Пφ分别进行导向滤波，并将滤波后的特征进行组合，得到高光谱图像X的特征集GEMP。(5)根据高光谱图像X的类别标签，从特征集GEMP的每一类样本中随机抽取一定比例的样本作为训练集，剩余样本作为测试集；(6)利用抽取出的训练集及该训练集中各样本对应的类别标签，对支持向量机进行训练，并利用训练好的支持向量机对测试集进行分类，得到分类后的高光谱图像X”；(7)输出分类后的高光谱图像X”，并计算分类精度。