[发明专利]一种融合多尺度形态学特征的组合核函数RVM高光谱分类方法

摘要

本发明提供一种融合多尺度形态学特征的组合核函数RVM高光谱分类方法。包括以下步骤(1)使用主成分变换对所述高光谱图像进行降维；(2)采用数学形态学变换，在所述主成分变换后的高光谱图像进行空间特征提取；(3)根据核函数的理论分别构造了基于加法，基于乘法和基于加权加法三种形式的组合核函数；使用所述组合核函数方法融合图像的光谱特征和空间特征；(4)使用本发明所述的组合核函数RVM分类器，对高光谱图像进行分类，使用AVIRIS高光谱影像进行了分类实验。与传统的基于光谱特征的RVM分类器相比，在训练时间没有明显增加的前提下，组合核函数RVM的分类精度有了显著提升。且本发明所述方法稳定性强，对样本数目不敏感。

主权项

一种融合多尺度形态学特征的组合核函数RVM高光谱分类方法，其特征在于，所述方法包括以下步骤：步骤一：采用主成分变换对高光谱图像进行降维，得到训练样本集的特征向量其中，N表示所述训练样本集的样本个数，xk表示所述训练样本集的第k个样本，yk表示与所述第k个样本相对应的标签；步骤二：采用数学形态学变换对所述主成分变换后的高光谱图像进行空间特征提取；步骤三：采用核函数理论分别构造基于加法、基于乘法和基于加权加法三种形式的组合核函数，使用所述组合核函数融合图像的光谱特征和空间特征，其中，所述光谱特征是图像所有原始波段组成的光谱特征向量所述空间特征为是采用多尺度形态学方法提取出来的特征向量步骤四：通过特征提取得到训练样本和测试样本样本的特征矢量xn＝{xs,xw}由样本的所述光谱特征向量与所述空间特征向量组成，使用所述组合核函数作为RVM分类器的核函数，进行分类器的训练，并对所述高光谱图像进行分类；在步骤二中所述空间特征提取包括以下步骤：(1)使用方形结构元素，其数学表达式为：γλ*=δ(rec)(fΘB,f)]]>其中，表示开重构算子，fΘB表示对图像做腐蚀运算，Πγ(x)表示通过开重构运算得到图像的形态学特征，对每一个主成分图像分别进行运算，得到基于开重构的多尺度形态学特征Πγ(x)，其数学表达式为：Πγ(x)={Πγλ:Πγλ=γλ*(x),∀λ∈[0,n]}]]>其中，n为开运算的次数，当λ＝0时，(2)对于所述主成分图像进行闭重构运算,其数学表达式为：其中，表示对图像做膨胀运算，是闭重构运算算子，使用所述方形结构元素，对每一个主成分图像分别进行运算，得到基于闭重构的多尺度形态学特征其数学表达式为：其中，n为闭运算的次数，当λ＝0时，(3)经过所述开重构运算与所述闭重构运算之后，利用相邻两幅形态学特征图像进行差值运算，得到的图像的多尺度形态学特征，其数学表达式为：其中，n为开闭运算的次数，c＝1,2,...,2n。