[发明专利]一种基于综合置信的高光谱图像半监督分类方法

摘要

本发明公开了一种基于综合置信的高光谱图像半监督分类方法，包括：读入高光谱图像；计算图权重矩阵；8近邻连接稀疏化图权重矩阵；计算归一化图权重矩阵；获取初始训练集和候选集；设定协同训练迭代次数并开始训练过程；训练多项式逻辑回归分类器；使用多项式逻辑回归分类器得到候选集样本的预测标签；使用半监督图分类方法得到候选集样本的预测标签；选出两种预测标签一致的候选样本及对应的预测标签构成协定集，对应的置信系数构成综合置信集；筛选出综合置信系数高于99％的协定集样本及对应的预测标签，构成扩增集加入训练集；移除候选集中扩增集样本；判断训练是否达到设定次数，若未则继续迭代，若达到则停止，用半监督图分类高光谱图像。

主权项

1.一种基于综合置信的高光谱图像半监督分类方法，其特征在于，所述方法包括以下步骤：S1、读入三维高光谱图像立方体H(m,n,b)，其中m、n表示空间像素点位置，b表示所处光谱波段位置；S2、计算高光谱数据像素点之间的去样本均值的相关系数，用于构造图权重矩阵W，权重数值能够衡量像素点间的相似度；S3、将步骤S2的权重矩阵W中每个像素点与自身以及与空间8近邻外的像素点的相似度权重值置0，即只为每个像素点与其空间8近邻内的像素点间建立图连接，得到稀疏化的权重矩阵S4、计算归一化图权重矩阵S5、获取初始训练集和候选集S6、设定协同训练的迭代次数M，并开始协同训练过程；S7、使用训练集训练多项式逻辑回归分类器；S8、使用多项式逻辑回归分类器对候选集中的样本分类，得到预测标签Y₁和对应的置信度P；S9、使用半监督图分类方法对候选集中的样本分类，得到预测标签Y₂；S10、取出候选集中预测标签Y₁和预测标签Y₂相同的样本，以及对应的预测标签Y_A，构成协定集D_A，从候选集置信度P中选出协定集样本对应的所有置信系数作为综合置信集P_A；S11、筛选出协定集D_A对应综合置信集P_A中置信系数高于99％的样本，赋予预测标签Y_N，构成扩增集D_N，加入训练集中，得到更新的训练集S12、将S11中扩增集D_N的样本从候选集中移除，得到更新的候选集S13、迭代循环S7‑S12步骤的高光谱图像协同训练过程，直至协同训练迭代达到设定值M次；S14、使用半监督图分类方法和更新后的训练集分类高光谱图像验证分类精度。