[发明专利]基于波段迁移的高光谱图像聚类方法

权利要求书

1.一种基于波段迁移的高光谱图像聚类方法，包括如下步骤： 

（1）输入高光谱图像I_R×N，R是不同谱对应的m×n大小的图像，N为高光谱图像的波段数目； 

（2）随机选出高光谱的10个波段数据作为目标域样本D_T，根据这10个波段数据，利用欧氏距离作为度量准则，从剩下的波段中再另选取出10个波段数据作为源域样本D_S； 

（3）对目标域样本D_T用EM、K-means和FCM聚类算法分别聚3次，得到的9个聚类标签，计算这9个聚类标签的聚类一致性值CI； 

（4）设定一个阈值Q＝0.6，将聚类一致性值CI与阈值Q进行比较，若CI大于等于Q，则将样本标记为确定性样本D_A，否则标记为非确定性样本D_B，同时记录确定性样本D_A的聚类标签l_a； 

（5）对源域样本D_S的高斯混合模型用EM算法进行参数估计，得到源域中混合高斯模型的类混合权值参数α_j、均值μ_j、协方差σ_j，并将得到的这些参数迁移至目标域样本D_T，得到目标域样本D_T新的类混合权值参数α_j′、均值μ_j′、协方差σ_j′； 

（6）根据新的类混合权值参数α_j′、均值μ_j′、协方差σ_j′，计算出非确定样本D_B的聚类标签l_b； 

（7）根据确定性样本D_A的聚类标签l_a和非确定性样本D_B的聚类标签l_b，得到目标域样本D_T的聚类标签l：l＝l_a∪l_b。 

2.根据权利要求1所述的方法，其中所述步骤（3）中计算9个聚类标签的聚类一致性值CI，通过如下公式计算： 

CI＝{CI(x)} 

其中，

式中，CI(x)表示样本点x的聚类一致性值，π_t(x)表示在第t次聚类时对样本点x的聚类标签，k为类别数，L为每一个类别标号。 

3.根据权利要求1所述的方法，其中步骤（5）所述的将得到的参数迁移至目标域样本D_T，得到目标域样本D_T新的类混合权值参数α_j′、均值μ_j′、协方差σ_j′，按如下步骤进行： 

（5a）根据类混合权值参数α_j、均值μ_j和协方差σ_j，计算源域中的隶属度Z_i,j： 

其中，X_i是源域样本D_S中第i个样本的特征序列，M是特征序列的长度，j＝1,2,...,k，k为类别数目； 

（5b）利用上述计算得到的隶属度Z_i,j，计算样本在目标域样本D_T中新的类混合权值参数α_j′、均值μ_j′和协方差σ_j′： 

其中，R是样本的总个数。 

4.根据权利要求1所述的方法，其中步骤（6）所述的根据新的类混合权值参数α_j′、均值μ_j′、协方差σ_j′，计算出非确定样本D_B的聚类标签l_b，按如下步骤进行： 

（6a）计算目标域样本的隶属度Z_i,j′： 

其中，X_i′是目标域样本D_T中的第i个样本的特征序列，M是目标域样本D_T中特征序列的长度，j＝1,2,...,k，k为类别数目； 

（6b）根据目标域样本的隶属度函数Z_i,j′，计算目标域样本D_T的标签l_i： 

l_i＝max(max(Z_i,j′))， 

通过目标域样本D_T的标签l_i，得到非确定性样本D_B的标签l_b： 

其中b是非确定性样本D_B的位置。