[发明专利]基于空间聚类信息修正的高光谱图像识别方法

摘要

本发明公开了一种基于空间聚类信息修正的高光谱图像识别方法，其包括对航拍的高光谱图像进行校正；将拍摄的部分高光谱图像标记后作为训练样本集，余下作为测试样本集；针对每类物品从训练样本集的高光谱图像中采集设定数量的谱线，并采用竞争性自适应重加权算法提取每类物品谱线的特征谱段；根据特征谱段对SVM分类器进行训练，之后采用根据特征谱段，提取测试样本集内高光谱图像中谱线对应的特征谱段，并将其输入SVM模型得到测试样本集中高光谱图像中物品的初级分类；在测试样本集的高光谱图像中标记出高可信度像素点，根据标记的高可信度像素点，采用小窗口模型对高光谱图像所有窗口内的像素点进行修正，得到更新后的物品分类。

主权项

1.基于空间聚类信息修正的高光谱图像识别方法，其特征在于，包括：S1、获取无人机采集的输电线缆四周设定范围内的高光谱图像，并采用黑白校正方法对高光谱图像进行校正；S2、对预设比例的校正后高光谱图像中每类物品进行标记作为训练样本集，余下校正后高光谱图像作为测试样本集；S3、针对每类物品从训练样本集的高光谱图像中采集设定数量的谱线，并采用竞争性自适应重加权算法提取每类物品谱线的特征谱段；S4、将每类物品的特征谱段输入SVM分类器，进行交叉训练得到每类物品的最优分类C和g值，并采用最优分类C和g值更新SVM模型的模型参数；S5、根据特征谱段，提取测试样本集内高光谱图像中谱线对应的特征谱段，并将其输入SVM模型得到测试样本集中高光谱图像中物品的初级分类；S6、在测试样本集的高光谱图像中设置若干连通域，并根据初步分类判断连通域中同类物品的像素点数量是否大于设定阈值，若是，则将对应像素点标记为高可信度像素点，否则不标记；S7、根据标记的高可信度像素点，采用小窗口模型对高光谱图像所有窗口内的像素点进行修正，得到更新后的物品分类。