[发明专利]基于高光谱数据的红木鉴别方法及系统

说明书

技术领域

本发明涉及高光谱数据处理技术领域，特别涉及一种基于高光谱数据的红木鉴别方法及系统。

背景技术

高光谱成像技术可以获得比传统成像技术更多的信息，利用这些信息可以完成传统成像数据无法处理的问题。当前大多数成像摄影技术都是基于红、绿、蓝三色信息对于场景影像进行记录的，虽然三色传感成像技术符合人类视觉系统的成像需求，但是从物理原理的角度出发，现实场景并非只有三色信息这么简单。从光源发出或经物体反射的光线具有丰富的波长，其中可见光覆盖从390nm直至780nm的广泛区域，包含了大量的信息。场景光线光谱正是指在这段波长范围内光线光强的分布，这种光谱信息能够反应出光源、物体以及场景的自然属性，因此光谱采集技术已成为了进行科学研究与工程应用的有效工具。

而红木分类是一个比较新的领域，市场上对其分类也是凭借经验知识或者有损的检验方式，可以说这是一个亟待标准化和提供无损检验技术的市场领域。近几年高光谱数据的发展给实现红木的无损检验提供了可行性。通过建立一个已知类别的训练样本，利用高光谱数据对未知红木进行类别判断，利用不同红木之间高光谱数据的不同实现红木类别的鉴定。

但是高光谱数据存在大量的数据冗余性，直接对原始光谱数据进行数据处理和分类会造成处理速度不够快的现象，所以在对数据进行分类和分析之前，对数据进行一些预处理是非常必要的。然而传统的数据挖掘和数据降维(如PCA，LDP)方法，大多是利用特征矩阵对原数据进行特征变换，从根本上讲也是对原数据进行操作，还是会用到全谱信息，并且特征变换以后的矩阵与原数据没有明显的一一对照关系。因此，目前的分类方法的分类准确率较低。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于高光谱数据的红木鉴别方法，该方法能够提高数据分类的准确率。

本发明的第二个目的在于提供一种基于高光谱数据的红木鉴别系统。

为了实现上述目的，本发明第一方面的实施例提出了一种基于高光谱数据的红木鉴别方法，包括以下步骤：获取训练样本和测试样本，其中，所述训练样本和测试样本都为n维的光谱数据，且所述训练样本的类别已知；根据所述训练样本对所述n维的光谱数据中的每一维的光谱数据进行分类，并抽取分类正确率最高的m维光谱数据，其中，所述m小于所述n；得到维度为n的特征点集合S，集合S中的特征点作为以后分类的特征选择波段，根据K最近邻分类算法对所述m维的光谱数据进行分类，以确定红木的类别。

根据本发明实施例的基于高光谱数据的红木鉴别方法，首先获取训练样本和测试样本，并根据训练样本对n维的光谱数据中的每一维的光谱数据进行分类，并抽取分类正确率最高的m维光谱数据，然后根据K最近邻分类算法对m维的光谱数据进行分类，以确定红木的类别。因此，该方法在数据降维的同时提取出对分类的贡献最大维度，并据此选取算法中对分类贡献最大的维度进行分类，提高数据分类的准确率。

另外，根据本发明上述实施例的基于高光谱数据的红木鉴别方法还可以具有如下附加的技术特征：

在一些示例中，根据所述训练样本对所述n维的光谱数据中的每一维的光谱数据进行分类，并抽取分类正确率最高的m维光谱数据，进一步包括：对所述n维的光谱数据中的任意一维数据进行分类，并查看分类的准确率；将分类准确率最高的那一维的光谱数据加入到数据集S中；对剩下的n-1维的光谱数据进行同样的分类处理直至所述数据集S中的谱段达到m。

在一些示例中，在所述K最近邻分类算法中，所述K为1、2或3。

本发明第二方面的实施例还提供了一种基于高光谱数据的红木鉴别系统，包括：获取模块，所述获取模块用于获取训练样本和测试样本，其中，所述训练样本和测试样本都为n维的光谱数据，且所述训练样本的类别已知；测试模块，所述测试模块用于据所述训练样本对所述n维的光谱数据中的每一维的光谱数据进行分类，并抽取分类正确率最高的m维光谱数据，其中，所述m小于所述n；分类模块，所述分类模块用于根据K最近邻分类算法对所述m维的光谱数据进行分类，以确定红木的类别。

根据本发明实施例的基于高光谱数据的红木鉴别系统，首先获取训练样本和测试样本，并根据训练样本对n维的光谱数据中的每一维的光谱数据进行分类，并抽取分类正确率最高的m维光谱数据，然后根据K最近邻分类算法对m维的光谱数据进行分类，以确定红木的类别。因此，该系统在数据降维的同时提取出对分类的贡献最大维度，并据此选取算法中对分类贡献最大的维度进行分类，提高数据分类的准确率。