[发明专利]Beltrami流和递归滤波的高光谱图像分类方法

摘要

本发明涉及Beltrami流和递归滤波的高光谱图像分类方法，采用两种滤波器将高光谱图像光谱信息提取为空间信息并进行分类，有效利用了边缘结构信息和空间相关性信息；其中，Beltrami流滤波提取高光谱图像的边缘结构信息，有效辅助SVM进行像元分类，同时，域转换递归滤波获得高光谱图像的空间相关信息，弥补Beltrami流滤波中的不总，结合后得到最好的分类性能，有效提高了高光谱图像的分类精度。

主权项

Beltrami流和递归滤波的高光谱图像分类方法，其特征在于：包括以下步骤：S1.输入高光谱图像；S2.将高光谱图像归一化，形成高光谱数据集R；S3.对高光谱数据集R进行PCA降维：对于有l个波段的高光谱数据集R进行PCA降维，选择前面n维的数据组成新的数据集H：H＝Pca(R)；S4.基于步骤S3，用Beltrami流滤波对PCA降维后的数据集H根据公式(1)进行滤波，获取空间信息Rmp：Rmpk,i=Rk-1i+htRxxi(1+Ryi)+Ryyi(1+Rxi)-RxiRyiRxyi[1+(Rxi)2+(Ryi)2]2---(1)]]>其中，为图像Ri的第k次迭代，ht为时间步长，和分别为高光谱波段图像Ri在x与y方向的梯度，S5.基于步骤S2，用域转换递归滤波对高光谱数据集R根据公式(2)进行域转换标准卷积滤波，获取空间信息Dts：Dtsj(n)=(1-ad)I[n]+adDtsj[n-1];---(2)]]>其中，d＝f(yn)‑f(yn‑1)，ad是反馈系数，d为两个相邻像元yn和yn‑1在转换域Ωw中的距离；S6.基于步骤S4和步骤S5，对获取的空间信息Rmp和空间信息Dts按照以下公式进行结合，获取结合后的空间信息W：W＝Rmp+Dts；                  (3)S7.基于步骤S6，将结合后的空间信息W进行分类，并输出分类结果。