[发明专利]一种基于空间自相关信息的高光谱图像植被分类方法

摘要

本发明公开了一种基于空间自相关信息的高光谱图像植被分类方法，包括以下步骤首先对高光谱数据集作归一化处理，得到信息量重新分布的高光谱图像数据集R；然后对高光谱图像进行PCA降维并组成新的数据集K；接着用域转换线性插值卷积滤波对全部光谱信息R提取空间信息；然后用域转换线性插值卷积滤波对数据集K提取空间信息；然后将提取的空间信息进行线性融合，形成新的数据集H；然后随机从空间信息数据集H中抽取训练集Hs，其余部分作为测试集Ht；接下来用径向基函数支持的SVM对训练集HS进行训练，获取训练模型；最后用径向基函数支持的SVM对测试集Ht进行分类，得出分类结果。

主权项

一种基于空间自相关信息的高光谱图像植被分类方法，其特征在于，包括以下步骤：S1：对高光谱数据集作归一化处理，得到信息量重新分布的高光谱图像数据集R；其中R=R-minmax-min]]>min指的是某个波段的最小值，max为最大值；S2：对高光谱图像进行PCA降维并组成新的数据集K；其中K＝PCA(R)；S3：用域转换线性插值卷积滤波对全部光谱信息R提取空间信息；Rdsi=T(Ri),i=1,2,...,l]]>S4：用域转换线性插值卷积滤波对数据集K提取空间信息；Kdsj=T(Kj),j=1,2,...,n]]>S5：将步骤S3、步骤S4中提取的空间信息进行线性融合，形成新的数据集H；其中H＝Rds+Kds；S6：随机从空间信息数据集H中抽取训练集Hs，其余部分作为测试集Ht；S7：用径向基函数支持的SVM对训练集HS进行训练，获取训练模型；S8：用径向基函数支持的SVM对测试集Ht进行分类，得出分类结果。