基于空‑谱信息的高光谱图像半监督分类方法.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CN106056157A(43)申请公布日2016.10.26(21)申请号201610382887.4(22)申请日2016.06.01(71)申请人西北大学地址710069陕西省西安市太白北路229号(72)发明人彭进业赵二龙刘胜杰王珺章勇勤李展祝轩周剑虹艾娜(74)专利代理机构西安恒泰知识产权代理事务所61216代理人李婷(51)Int.Cl.G06K9/62(2006.01)权利要求书3页说明书7页附图2页(54)发明名称基于空-谱信息的高光谱图像半监督分类方法(57)摘要本发明公开了一种基于空-谱信息的高光谱图像半监督分类方法，该方法将高光谱图像中的光谱信息、空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法作为半监督分类的样本选取策略，将半监督分类得到的初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像，光谱信息的第一主成分分量作为滤波器的参照图像，利用边缘保留滤波器进行局部平滑，消除噪声，然后将像元按照所属概率最大的类别进行划分，完成分类过程。本发明联合光谱信息和空间信息提高了类别的可分性，利用自训练的半监督分类框架解决高光谱图像小样本分类问题，能有效地消除初始分类结果中的斑点状误差，提高分类精度。CN106056157ACN106056157A权利要求书1/3页1.一种基于空-谱信息的高光谱图像半监督分类方法，其特征在于，包括以下步骤：步骤一，空-谱信息结合的高光谱图像半监督分类利用主成分分析法和独立成分分析法提取高光谱图像的光谱信息，利用Gabor滤波器组从光谱信息的第一主成分分量中提取高光谱图像的空间信息，将光谱信息和空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法选取出包含信息最丰富的无标签样本扩充到初始训练样本中，以进行初始分类；步骤二，基于边缘保留滤波的分类结果空间优化将初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像以提供类别信息，光谱信息的第一主成分分量作为边缘保留滤波器的参照图像以提供边缘信息，利用边缘保留滤波器在保留图像中原有边缘结构的同时进行局部平滑，从而消除初始分类结果中的斑点状噪声；步骤三，对于待分类的某一像元，将其划分到所属概率最大的一类中，得到最终的分类结果。2.如权利要求1所述的基于空-谱信息的高光谱图像半监督分类方法，所述的步骤一中，Gabor滤波器组以及支持向量机分类器的参数设置过程包括：步骤1-1，选取样本，并把所选样本随机分成测试样本集T和训练样本集，选取N个类别进行分类，每类从训练样本集中选取s个样本，共n＝s×N个有标签样本构成初始训练样本集Dl＝{(xl1,yl1),…,(xln,yln)}，剩余的样本组成无标签样本集U；其中xl1,...xln表示样本，yl1,...,yln表示样本的标签；步骤1-2，设置Gabor滤波器的正弦平面波的最大频率为fmax，频率和尺度个数分别为P、Q，高斯半径为σ，相位角为φ；步骤1-3，利用M次交叉验证得到支持向量机分类器最优的高斯半径和惩罚参数。3.如权利要求1所述的基于空-谱信息的高光谱图像半监督分类方法，其特征在于，所述的步骤一中进行光谱信息提取、空间信息提取并将光谱信息和空间信息联合的具体过程包括：步骤1-4，光谱信息提取利用主成分分析法对高光谱图像进行降维，得到每个像元的光谱特征xw∈Rw，再对得到的光谱特征利用独立成分分析法得到最终的光谱信息xk∈Rk；其中R表示实数域，w、k表示维数，xk，xw分别是k,w维的实数向量；步骤1-5，空间信息提取利用Gabor滤波器组从光谱信息的第一主成分分量中提取空间信息，得到每个像元的空间信息xs∈Rs；xs、Rs分别指的是s维的实数向量和s维的实数空间；Gabor滤波器的核函数为：上式中，x`＝xcosθ+ysinθ，y`＝-xsinθ+ycosθ，x和y是图像中像素坐标，f和θ分别是正弦平面波的频率和方向角，φ是Gabor函数的相位角，σ和γ分别表示高斯半径和方向角；利用具有不同方向和频率的Gabor滤波器来提取图像中不同的空间纹理信息，具体表示为：2CN106056157A权利要求书2/3页上式中，Q和P表示频率和尺度个数，fmax表示正弦平面波的最大频率；步骤1-6，光谱信息和空间信息联合将光谱信息xk∈Rk和空间信息xk∈Rk进行级联，得到(xk，xs)。4.如权利要求1所述的基于空-谱信息的高光谱图像半监督分类方法，其特征在于，所述的步骤一中进行初始分类的具体过程包括：步骤1-7，利用训练样本集Dl对支持向量机分类器进行训练，并用训练好的分类器对无标签样本集U和测试样本集T中的样本进行