[发明专利]一种基于近邻协同增强的高光谱混合像元分类方法

说明书

本发明提供一种基于近邻协同增强的高光谱混合像元分类方法，包括：利用已标记的样本地物计算多目标地物的光谱签名矩阵；设计基于光谱特征的多类别分类器将地物进行分类；在分类结果中融合空间结构特征，并提取近邻像元；利用近邻像元协同对未标记高光谱地物进行类别标记；采用迭代方法逐步将未标记的地物分别进行分类标注；利用邻域扩展的方式进一步融合目标地物的空间特征，完成最终分类标记。本发明利用多类别分类器对地物类别进行同时分类，解决了传统分类方法无法对背景地物进行分类的问题；并利用近邻协同增强的方式，逐步对未标记的地物目标进行标记，有效的融合了地物的光谱特征和空间特征，分类效果较好。

技术领域

本发明高光谱图像分类技术领域，尤其涉及一种基于近邻协同增强的高光谱混合像元分类方法。

背景技术

高光谱图像分类作为高光谱图像处理中的一项重要应用，其最终的目标是对图像中的每个像元进行类别的归属。高光谱遥感技术利用更多的光谱波段使其在地物类别分类方面有巨大的优势，但是地物光谱信息的精确性也使得干扰、背景部分在高光谱分类中有一定的影响；另一方面，由于高光谱数据具有高维数据量大及训练样本小的特点，使分类时易产生Hughes现象。

近年来高光谱图像的空谱特征结合的分类方法受到重视，基于谱间-空间特征的高光谱图像分类方法已经成为当前的研究热点，这类方法通过结合空间信息特征与光谱特征，提高高光谱图像分类的精度。目前大部分应用是利用支持向量机等方法进行一对一，或者一对多的分类；这类方法一个最大的问题在于无法对高光谱图像的背景部分进行分类，因此在评价分类方法时，通常都是采用去掉背景的方式，导致该类方法缺少准确性；另外，此种方法几乎都是采用纯元进行分类，导致分类方法的局限性，缺少通用性。

发明内容

本发明提供一种基于近邻协同增强的高光谱混合像元分类方法，解决上述技术问题。

本发明一种基于近邻协同增强的高光谱混合像元分类方法，包括：

根据已标记的样本地物计算多目标地物的光谱特征矩阵；

采用基于所述光谱特征矩阵和约束矩阵的多类别分类器将所述目标地物进行分类；

将所述分类器得到的丰度值融合空间结构特征后再提取近邻像元；

根据所述近邻像元协同对未标记高光谱的目标地物进行类别标记，采用迭代方法逐步将未标记的地物分别进行分类；

在分类结果中融合空间结构特征，并提取近邻像元，包括：

采用公式

对分类结果进行卷积计算得到T_G(k)，其中，所述σ是高斯滤波的标准偏差，r是高斯滤波的过滤半径,K为地物类号，所述T(k)是每种地物类别的分类结果；

对T_G(k)中的丰度值数据进行排序，提取值最大的2*n(k)个像元组成地物类别的近邻集合{MC_set(k)}，其中，n(k)为第k类地物每次新增标注的像元数目。

进一步地，所述根据已标记的样本地物计算多目标地物的光谱特征矩阵，包括：

根据公式

计算目标地物的光谱特征向量，其中，d_k为第k类目标地物的光谱特征向量，d_k＝{d_k1,d_k2,...d_kL}，L为波段数目，{C_set(k)}为已标记的第k类样本地物集合，N_k为{C_set(k)}中的像元数目，H_k(j)为{C_set(k)}中第j个像元的光谱特征；