[发明专利]基于字典和波段重组的最近邻高光谱图像分类方法

权利要求书

1.一种基于字典和波段重组的最近邻高光谱图像分类方法，其特征在于，包括有以下步骤：

步骤1读取高光谱遥感数据图像；

步骤2对读取的高光谱图像首先进行预处理，利用该高光谱图像的空间邻域信息，对高光谱图像的每一个像素点取其L个最近邻的像素点，进行L-邻域均值化处理，得到预处理后的高光谱图像；

步骤3波段重组，将预处理后的高光谱图像按照每一波段全部像素点均值的大小，进行波段重新排列，在重组之后，按照重新排列后的波段对整体波段进行n-分割，构成n个子波段；

具体为：

第i波段的高光谱图像中有m个像素点{x_i,1,...,x_i,m}，令

对所有波段都进行上述均值处理，得到{x₁,...,x_N}，对{x₁,...,x_N}进行从小到大排序，得到高光谱图像均值序列，接下来按照这个序列对高光谱波段进行重新排列，并对重组后的N个波段按照顺序进行n等分，构成n个子波段；

步骤4构成字典与测试样本集合，随机抽取预处理后的高光谱图像中的一部分像素点作为训练样本以构成字典，另一部分像素点构成测试样本集合，并按照分割后的子波段形成n个子字典与n个子测试样本集合；

步骤5最近邻判别，对n个子测试样本集合分别对照相应的子字典进行最近邻法判别，得到n幅初始分类图；

步骤6使用n-KNN判别法获得最终分类结果，对n幅初始分类图，对于每幅图像中相同位置的单个像素点，分别都取其K个最近邻像素点，总共n×K个像素点综合起来进行K近邻判别，将其命名为n-KNN判别，得到高光谱图像最后的分类结果图。

2.根据权利要求1中所述的基于字典和波段重组的最近邻高光谱图像分类方法，其特征在于，步骤2中，对高光谱图像中每一个像素点进行L-邻域均值化处理，具体是：

设高光谱图像共有N个波段，高光谱图像中某一像素点为x_i＝{x_i,1,...,x_i,N}，以x_i为中心，取与它相邻的L个邻域像素点{x₁,...,x_L}，其中x₁＝{x_1,1,...,x_1,N}∈R^N，R^N为N维特征空间，x₂＝{x_2,1,...,x_2,N}∈R^N，以此类推，对所有的L+1个像素点{x_i,x₁,...,x_L}做L-均值化处理，令

将x′_i代替x_i作为待分类的像素点。

3.根据权利要求1中所述的基于字典和波段重组的最近邻高光谱图像分类方法，其特征在于，步骤6中，将n幅分类结果图进行n-KNN判别，取单个待分类像素点的邻域，需要判别的点为x，其在第一幅初始分类图中位置相对应的点标记为x₁，在第二幅初始分类图中位置相对应的点标记为x₂，以此类推， 在第一幅初始分类图中，x₁的邻域内其余像素点分别记为{x_1,1,x_1,2,...,x_1,K}，以此类推，假设n个邻域内的所有像素点共有C类分类结果，令

通过公式

判别x所属的类别。