一种基于波段聚类和改进域变换递归滤波的高光谱图像分类算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112818831A(43)申请公布日2021.05.18(21)申请号202110124287.9(22)申请日2021.01.29(71)申请人河南大学地址475001河南省开封市明伦街85号(72)发明人渠慎明刘煊孟凡敏李祥周华飞杨鑫钰(74)专利代理机构郑州联科专利事务所(普通合伙)41104代理人王聚才(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06T5/00(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于波段聚类和改进域变换递归滤波的高光谱图像分类算法(57)摘要本发明的目的在于提供一种基于波段聚类和改进递归滤波的高光谱图像分类算法，利用基于相对熵的波段聚类算法迭代的找出各个波段子集中的中心波段，保留了原始光谱波段的信息，相比于原始域变换递归滤波算法，本发明将聚类得到的中心波段集合进行高斯滤波作为域变换递归滤波的引导图像，同时每一个集合的中心波段都执行改进的域变换递归滤波算法，最后得到了所有中心波段的特征图像集合充分获取了高光谱图像的空谱联合信息，提升了后续的分类精度。CN112818831ACN112818831A权利要求书1/2页1.一种基于波段聚类和改进域变换递归滤波的高光谱图像分类算法，其特征在于，包括以下步骤：S1：输入原始高光谱图像XQ×D，Q为每个波段上的像素个数，D为波段数目，将高光谱图像的所有的D个波段划分为K个高光谱子波段集合；计算第k个子波段集合Pk∈(1,...,K)，计算方Q×D法为：其中，X＝(X1,...,XD)∈R表示原始的拥有D个波段数目和每个波段上有Q个像素的高光谱图像X，表示不超过D/K的最大整数步长；k∈(1,...,K)S2：对S1求得的波段集合中的每一个子集P确定聚类中心波段集Mi，i∈(1,2,...,K)；S3：对聚类中心波段集Mi，i∈(1,2,...,K)进行高斯滤波，具体公式为式中，Mi为输入图像，a和b为输入图像像素的索引坐标，是正则化参数，N(a)是关于a的邻域像素集合，σs是空间标准差，Gi是高斯滤波的结果；S4：初始化引导图像，即将高斯滤波后的图像设为初始引导图像，Fi[0]＝Gi；S5：将聚类得到的中心波段集Mii∈(1,2,...,K)作为输入图像集和引导图像Fi[0]执行域变换递归滤波；域变换递归滤波的原理是对给定的变换域Dt将输入图像Mi变换到Dt中，递归滤波的公式为ccFi[N]＝(1‑d)Mi[N]+dFi[N‑1]式中，Fi[N]为递归滤波后的特征图像，d∈[0,1]是反馈系数，并且σs是空间标准差，c＝ct(xn)‑ct(xn‑1)，为变换域Dt中相邻样本点xn和xn‑1之间的距离，变换函数ct(u)的公式为式中，σs是空间标准差，σr是光谱标准差。Mi′(x)为输入图像Mi在像素x处的一阶导函数，随着c的增大，dc趋近于0，从而起到边缘保护的作用；S6：将域变换递归滤波最后一次的滤波图像集Fi[N]i∈(1,2,...,K)运用支持向量机进行分类，得出分类精度。2.根据权利要求1所述的一种基于波段聚类和改进域变换递归滤波的高光谱图像分类算法，其特征在于，所述步骤S2具体包括：S2.1：初始化聚类中心，以k为整数，为每一组聚类的初始中心波段；S2.2：设高光谱数据中任意两个波段Xp和Xq其中p≠q，那么波段Xp和Xq的相对熵为p,q∈2CN112818831A权利要求书2/2页(X1,...,XD)其中，mp(x)、mq(x)代表任意两个波段中每个像素x对应的概率，两个波段之间的相对熵越大，表示两个波段像素对应的随机分布概率差异越大，波段之间的相似度就越低；反之波段之间的相似度就越高；S2.3：基于相对熵更新聚类中心，更新聚类中心的度量公式为kk其中，Xp∈p，AVXp表示波段子集p中Xp波段和其他波段的k之间相对熵和的平方均值，Xq表示波段子集p中除了Xp外的其他波段，B表示该波段子集的波段数目。将波段子集中平方均值最小的波段作为该波段子集的聚类中心波段；kS2.4：将任意波段组p的非聚类中心波段Xi∈(X1,X2,..,Xi,Xp‑1,Xp+1,..,XB)与其他组pi，i∈(1,2,...,i,k‑1,k+1,...,K)的聚类中心波段按照S2.3计算相对熵和的平方均值，如果聚类中心未发生改变，则将K个聚类中心波段作为特征图像集Mi，i∈(1,2,...,K)否则，重新确定聚类中心。即每个聚类中心等于对应聚类波段的平均值，公式为其中i∈(1,2,...,K)，j∈(1,2,...,B)。3.根据权利要求2所述的一种基于波段聚类和改进域变换递归滤波的高光谱图像分类算法，其特征在于，所述