[发明专利]基于相似度的多模态信息分类贡献差异性计算方法

摘要

本发明提出了一种基于局部与全局的空间相关性相似度，空间纹理特征相似度，光谱波段相似度的多模态信息融合来计算各相似度贡献差异性的方法。多模态信息分类贡献差异性重点在于以上3个模态各自的模态内相似度，模态间的相似度，以及按照模态内相似度和模态间的相似度高的模态具有更高的分类贡献性的原则来综合考虑并权衡多模态所提供的有效信息，为每个模态选择更加优化的权重，使高光谱图像分类的正确率提高。

主权项

基于相似度的多模态信息分类贡献差异性计算方法，其特征在于，主要包括如下步骤：(1)计算像元的空间相似度，也就是计算像元m在类别c下的空间相关性的局部频度和全局频度，以及局部频度和全局频度之间的相似度；(2)然后融合像元的多个局部邻域，计算有K个局部邻域的局部频度和全局频度之间的相似度；(3)计算像元m在类别c下的局部光谱均值和全局光谱均值，以及局部均值和全局均值之间的相似度，然后融合像元的多个局部邻域，计算有K个局部邻域的光谱均值和全局光谱均值之间的相似度；(4)计算完各模态内的相似度后，再来计算各模态间的相似度，通过回归的方法求解两模态间的均方误差，来衡量这两个模态间的相似度；(5)再通过模态内相似度高的模态对分类具有更高的贡献度，模态间相似度高的一对模态都应该都具有更高的分类贡献性的原则来对两者进行加权，来估计模态的分类贡献差异度。