欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種基于核協(xié)同表達(dá)的高光譜圖像分類方法

文檔序號:9844374閱讀:1728來源:國知局
一種基于核協(xié)同表達(dá)的高光譜圖像分類方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明屬于遙感影像處理技術(shù)領(lǐng)域,主要涉及土地覆蓋分類技術(shù),具體涉及一種 基于核協(xié)同表達(dá)的高光譜圖像分類方法。
【背景技術(shù)】
[0002] 高光譜遙感是一類高維信息獲取技術(shù),在獲取地表空間物體圖像的同時,得到每 個地物的連續(xù)且非常窄的光譜信息,即將圖像維與光譜維信息融合為一體,它富含地球表 面的空間、輻射和光譜信息。與寬波段遙感相比,高光譜數(shù)據(jù)能有效地捕捉地物光譜特征, 大幅度提高了地物精細(xì)信息表達(dá)能力和識別能力。地物分類是高光譜遙感的重要應(yīng)用方 式,對理解地物空間分布規(guī)律具有重要作用。
[0003] 高分辨率遙感影像能夠提供大量的地表特征,充分體現(xiàn)在地物內(nèi)部分異明顯、紋 理增多、細(xì)節(jié)豐富和邊緣突出方面。地物空間分布復(fù)雜,同類物體呈現(xiàn)出很大的光譜異質(zhì) 性,具體表現(xiàn)為類內(nèi)方差變大、類間方差減小、不同地物的光譜相互重疊,使得傳統(tǒng)的光譜 分類方法不能得到滿意的結(jié)果。因而高分辨率遙感中的高光譜遙感數(shù)據(jù)在有助于完成更加 細(xì)致的遙感地物分類的同時,其波段增多也會使得信息產(chǎn)生冗余并增加數(shù)據(jù)處理的復(fù)雜 性。如何優(yōu)化光譜特征空間,進(jìn)行光譜選擇,即如何針對特定對象選擇包括該對象主要特征 光譜的子集,并且該子集能在含多種目標(biāo)對象的組合中具備最大限度區(qū)別于其他對象的能 力顯得尤為重要。
[0004] 從技術(shù)層面來講,現(xiàn)有的高光譜圖像分類方法的研究主要還是集中在光譜空間、 特征空間,對圖像空間的相關(guān)性的研究并未足夠深入。而且大多側(cè)重遙感圖像地物特征提 取及特征空間分類的研究中也未對可以提高分類精度的特征選擇等問題做深入研究和探 討。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明發(fā)主要目的是提供一種基于核協(xié)同表達(dá)的高光譜圖像分類方法。
[0006] 不同于傳統(tǒng)的高光譜分類方法,本發(fā)明的具體創(chuàng)新點在于采用一種可操作性強(qiáng)的 波段選擇策略進(jìn)行特征選取,并在選擇出的不同特征組的基礎(chǔ)上分別進(jìn)行局部二值模式 (Local Binary Pattern, LBP)空間特征提取,而后進(jìn)行核協(xié)同表達(dá)分類(Kernal collaborative representation based classification,KCRC)。最終將各組特征對應(yīng)的 分類結(jié)果以殘差級融合策略進(jìn)行融合并獲取最終的高精度分類結(jié)果。
[0007] 本發(fā)明的技術(shù)方案具體來說,主要包括如下技術(shù)內(nèi)容:
[0008] 1、進(jìn)行光譜自相關(guān)性分析以提取相關(guān)性高的波段作為后續(xù)操作特征組。光譜圖像 的每個波段圖像的像素值,是相同區(qū)域地物對各個波段光的反射強(qiáng)度值,相鄰波地物反射 率是相近的,由此產(chǎn)生了一定的相關(guān)性;不同波段的圖像涉及的地面目標(biāo)相同,它們具有相 同的空間拓?fù)浣Y(jié)構(gòu)。光譜波段間的這種相關(guān)性隨著光譜分辨率的提高加大。因此,進(jìn)行光譜 自相關(guān)分析并選擇合適特征組的可操作性在高光譜數(shù)據(jù)中是具備的。
[0009] 2、在光譜自相關(guān)分析的結(jié)果中抽選出合適數(shù)據(jù)作為特征組進(jìn)行后續(xù)分類。
[0010] 3、利用局部二值模式LBP算子提取各個特征層的紋理特征,結(jié)合原光譜特征組合 成一個多特征的高維特征空間。
[0011] 4、采用核協(xié)同表達(dá)分類器(KCRC)對步驟3形成的特征數(shù)據(jù)集進(jìn)行分類,且產(chǎn)生的 分類結(jié)果的數(shù)目對應(yīng)與步驟2中挑選的特征組的數(shù)目相同。
[0012] 5、將各不同波段特征的分類結(jié)果進(jìn)行融合,產(chǎn)生最終分類結(jié)果。融合方法根據(jù)特 定情況選擇,待選方案有:決策級融合,殘差級融合,特征級融合,最終采用殘差級融合。最 后通過分類結(jié)果計算最終的分類精度。
[0013] 與現(xiàn)有技術(shù)相比,本發(fā)明具有如下優(yōu)點:
[0014] 不同于傳統(tǒng)的分類方法,本發(fā)明的具體創(chuàng)新點在于分析光譜自相關(guān)性后擇取自相 關(guān)性強(qiáng)的波段取均值并分別作為后續(xù)特征數(shù)據(jù)。自相關(guān)性高而互相關(guān)性低的各個子簇,保 證了所選擇波段的信息總量不會過少,各子簇波譜求取均值作為該譜類最終特征,在一定 程度又確保特定地物類型在該波段組合與其他地物有較好可分性,使得不同波段組合的特 征能反應(yīng)像素的不同特性。通過殘差融合綜合各子簇,保證對多樣地物的可分性。除此之 外,本發(fā)明結(jié)合LBP算子提取數(shù)據(jù)的紋理特征,LBP算子具有旋轉(zhuǎn)不變性和灰度不變性等顯 著優(yōu)點,并且計算簡單,進(jìn)一步增加了待分類特征的魯棒性。最后使用采用核協(xié)同表達(dá)分類 器(KCRC)進(jìn)行分類,較傳統(tǒng)的稀疏方式有更好的計算效率,而且可以對非線性空間數(shù)據(jù)進(jìn) 行分類,應(yīng)用范圍更為廣闊,應(yīng)用性能更為優(yōu)異。經(jīng)過多組測試序列實驗,本發(fā)明可以獲取 的分類精度可達(dá)92%以上。
[0015] 本發(fā)明的流程圖如圖1所示,實施流程如下:
[0016] 步驟1、將高光譜數(shù)據(jù)輸入到計算機(jī),首先對輸入數(shù)據(jù)進(jìn)行預(yù)處理,重新調(diào)整數(shù)據(jù) 格式,將原輸入三維數(shù)據(jù)陣列調(diào)整為二維數(shù)據(jù)陣,以方便后續(xù)光譜自相關(guān)性分析。假設(shè)XI表 示一個像素向量,1 = 1,2,···,?,表示不同的像素點,圖像的各波段反射率均值m為:
[0017] m = IT1 Σ?=ι Χι ( 1 )
[0018] 協(xié)方差矩陣δ為:
[0019] δ = (L - 1)-1 Σ?=ι(^; - m)(Xl - mf (2)
[0020] 相關(guān)系數(shù)矩陣R與協(xié)方差矩陣δ相關(guān),R中元素為: (3)
[0022] 其中,是協(xié)方差矩陣的元素,和是第i個波段和第j個波段的方差,(^描述 了波段i和波段j的相關(guān)性。
[0023] 步驟2、如前所述,高光譜數(shù)據(jù)光譜波段多,波段間非常窄且波段連續(xù),由步驟1中 所進(jìn)行的波段相關(guān)性分析可見,許多光譜波段間具有較高的相關(guān)性。對于如此高相關(guān)性的 高光譜數(shù)據(jù),其樣本的樣本協(xié)方差矩陣接近奇異,一旦涉及到其逆計算的一些操作將具有 高度不穩(wěn)定性。另外,高光譜波段多,波段相關(guān)性高,亦會使監(jiān)督分類需要的訓(xùn)練樣本數(shù)目 大大增多,一旦給定訓(xùn)練樣本數(shù)目不足,則易致使從訓(xùn)練樣本得到的參數(shù)不可靠。
[0024]在本步驟中,充分考慮到降低光譜波段數(shù)目可能帶來的分類優(yōu)化效果,對高光譜 數(shù)據(jù)進(jìn)行光譜波段的合理擇選,即通過步驟1中計算得出的相關(guān)系數(shù)矩陣R選取特征波段組 成新的特征數(shù)據(jù)集。具體實施中的做法是選取互相關(guān)性高的五個波段子集,并對每個波段 子集中的數(shù)據(jù)求取光譜維均值,形成五組不同的特征集合。這種實施方式可以在短時間內(nèi) 找到高光譜數(shù)據(jù)波段中優(yōu)異的特征組。首先,選擇出自相關(guān)性高而互相關(guān)性低的各個子簇, 保證了所選擇波段的信息總量不會過少。各子簇波譜求取均值作為該譜類最終特征,在一 定程度確保特定地物類型在該波段組合與其他地物有較好可分性。最終通過所有組別波譜 特征對多種地物類別甄別效應(yīng)的折衷達(dá)到良好效果。
[0025] 步驟3、將步驟2中獲取的各個特征集依次進(jìn)行局部二值模式(LBP)空間特征提取, 即利用LBP算子提取各個特征層的紋理特征。
[0026] 圖像紋理分析在計算機(jī)視覺、遙感等領(lǐng)域有著非常廣泛的應(yīng)用前景,目前還沒有 一種公認(rèn)的紋理定義方法,對于圖像處理而言,紋理一般是指由大量或多或少相似的紋理 元或模式組成的一種結(jié)構(gòu),即組成紋理的基元和基元之間的相互關(guān)系,這二者構(gòu)成了紋理 的兩個基本特征。根據(jù)紋理的基本特征,目前出現(xiàn)了許多紋理分析的方法,基本上可以分為 結(jié)構(gòu)法和統(tǒng)計法兩類?;诮Y(jié)構(gòu)的方法主要考慮紋理基元之間的相互關(guān)系和排列規(guī)則,對 于非常規(guī)則的紋理描述較好,但對于自然紋理圖像則很難取得滿意的效果?;诮y(tǒng)計的方 法主要考慮紋理的粗糙度、明暗對比等特征,用于描述灰度空間的隨機(jī)分布特征,是自然紋 理
當(dāng)前第1頁1 2 3 4 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
太谷县| 岐山县| 玛曲县| 多伦县| 上杭县| 隆子县| 普定县| 喀喇| 青铜峡市| 海淀区| 贡觉县| 清水河县| 永定县| 公安县| 辽阳县| 章丘市| 九龙坡区| 东乌珠穆沁旗| 义马市| 黄山市| 安陆市| 大安市| 金堂县| 葫芦岛市| 横山县| 丰顺县| 德令哈市| 资溪县| 柳林县| 怀集县| 自治县| 巴林右旗| 梧州市| 潮州市| 松阳县| 宜兴市| 阿拉尔市| 宾阳县| 南投县| 柳林县| 南平市|