一種空譜一體化的高光譜遙感圖像分類方法
2023-05-29 04:28:11 1
一種空譜一體化的高光譜遙感圖像分類方法
【專利摘要】本發明公開了一種空譜一體化的高光譜遙感圖像分類方法。常規的高光譜圖像分類技術主要關注於如何更好地利用光譜空間的分類信息，往往忽視圖像空間域信息。本發明在利用數據進行自身光譜特徵分類的同時採用區域生長法和二值形態學法相結合的空間域有效信息對光譜分類結果進行補充。本發明首先採用基於支持向量機的分類方法對數據進行譜域分類。之後採用區域生長法和二值形態學法引入空間域有效信息對光譜分類結果進行修正。本發明更加充分地利用了高光譜數據包含的信息，提高了高光譜圖像分類精度。
【專利說明】一種空譜一體化的高光譜遙感圖像分類方法
【技術領域】
[0001]本發明屬於信息【技術領域】，涉及到模式識別、圖像處理技術，具體是一種空譜一體化的高光譜遙感圖像分類方法。
【背景技術】
[0002]隨著對地觀測技術的發展，光譜遙感技術成為人們獲取地表信息的重要手段。高光譜遙感作為一種新型的遙感方式，在軍用和民用領域都發揮著極其重要的作用。高光譜圖像分類是高光譜信息處理的重要方向，其中高精度的分類算法是實現各種應用的一個重要前提。
[0003]高光譜圖像以其高解析度、多波段數、大數據量的特點給傳統圖像分類技術帶來了巨大的挑戰。傳統的分類方法不管是最大似然分類法、決策樹分類法還是人工神經網絡方法、支持向量機方法都僅僅從光譜域層面對地物特徵進行分類識別。但是高光譜遙感數據不僅包含有豐富的地物光譜信息，其在圖像空間維、光譜維兩個不同的維度都會對地物特徵有具體的描述和表達。傳統的高光譜分類方法，往往只著重於數據光譜維上的特性，而忽視了空間維的信息。作為光譜維分析的補充，通過對圖像空間維的分析，可以獲得大量隱含的、豐富的對地物識別與處理有用的信息。
[0004]空譜一體化的技術就是將空間信息引入到高光譜分類中，在光譜域分類結果的基礎上，對圖像像素鄰域進行決策，以期對分類結果進行修正。本發明採用了通過區域生長法、二值形態學法兩種策略對譜域分類結果進行修正，仿真實驗證明了本發明能夠提高地物分類的精度。
【發明內容】
[0005]本發明的目的就是針對現有技術的不足，提供了一種高光譜空譜一體化圖像分類方法。該方法彌補了傳統模式分類方法在高光譜分類問題上忽視了空間維的信息的不足。為了對譜域分類的結果進行優化，本發明引入空間域信息，可用區域生長法或二值形態學法來現。
[0006]本發明方法包括以下步驟:
O高光譜譜域分類。
[0007]首先對數據做歸一化處理，並依據先驗知識，在每個地物類別區域內，隨機的選取一定比例的訓練樣本構成訓練樣本集；然後進行分類器的訓練，採用的分類器為支持向量機；最後用訓練好的分類器進行數據的測試，即能得到譜域分類的結果。
[0008]2)目標邊緣檢測。
[0009]在進行譜域分類結果優化前，我們先要得到目標的邊緣信息。
[0010]目標邊緣檢測具體實現步驟如下:
第一步:選擇2個清晰波段的圖像。
[0011]第二步:用Canny算子對第一個波段進行邊緣檢測。首先對圖像/(U)採用高斯濾波函數進行濾波操作；然後，對梯度幅值進行非極大值抑制，確定候選邊緣點，其具體做法為尋找圖像梯度中的局部極大值點，並且設置非局部極大值點為零，從而使得圖像邊緣得到細化；最後，採用雙閾值處理，首先設定高閾值η和低閾值:T11 ( 一般取T1 = CWr2 )，然後掃描圖像。若圖像中的點(i，J)的梯度幅值大於高閾值，則該點為邊緣點。
若圖像中的點hi)的梯度幅值小於低閾值，則該點為一定不為邊緣點。若點&J)的梯度幅值在兩閾值之間，則要視其鄰接像素中是否有邊緣點，若有則將其劃歸為邊緣點。
[0012]第三步:用LoG算子對第二個波段進行邊緣檢測。首先對圖像採用高斯濾波函數進行濾波操作，然後採用Laplacian算子依據二階導數過零點來檢測邊緣。所述LoG算子即高斯型的Laplacian算子,卷積模板形式為:
【權利要求】
1.一種空譜一體化的高光譜遙感圖像分類方法，其特徵在於該方法包括以下步驟: I)高光譜譜域分類； 首先對數據做歸一化處理，並依據先驗知識，在每個地物類別區域內，隨機的選取一定比例的訓練樣本構成訓練樣本集；然後進行分類器的訓練，採用的分類器為支持向量機；最後用訓練好的分類器進行數據的測試，即能得到譜域分類的結果； 目標邊緣檢測； 在進行譜域分類結果優化前，先要得到目標的邊緣信息，目標邊緣檢測具體實現步驟如下: 第一步:選擇兩個清晰波段的灰度圖像； 第二步:用Canny算子對第一個波段進行邊緣檢測； 首先對圖像/(AZ)採用高斯濾波函數進行濾波操作； 然後，對梯度幅值進行非極大值抑制，確定候選`邊緣點，其具體做法為尋找圖像梯度中的局部極大值點，並且設置非局部極大值點為零，從而使得圖像邊緣得到細化； 最後，採用雙閾值處理，設定高閾值T1和低閾值％，取T1 = CWr2 ,掃描圖像；若圖像中的點&J)的梯度幅值大於高閾值，則該點為邊緣點；若圖像中的點(XJ)的梯度幅值小於低閾值，則該點為一定不為邊緣點；若點(U)的梯度幅值在兩閾值之間，則要視其鄰接像素中是否有邊緣點，若有，則將其劃歸為邊緣點； 第三步:用LoG算子對第二個波段進行邊緣檢測；首先對圖像採用高斯濾波函數進行濾波操作，然後採用Laplacian算子依據二階導數過零點來檢測邊緣；所述LoG算子即高斯型的Laplacian算子,卷積模板形式為:
【文檔編號】G06K9/62GK103473557SQ201310393099
【公開日】2013年12月25日 申請日期:2013年9月2日 優先權日:2013年9月2日
【發明者】郭寶峰, 高曉健, 陳春種, 彭冬亮, 左燕, 穀雨 申請人:杭州電子科技大學