[发明专利]基于联合双边滤波与极限学习机的高光谱图像分类方法

权利要求书

1.一种基于联合滤波与超限学习机的高光谱图像分类方法，其特征在于，包括以下步骤：

(1)、将高光谱图像进行归一化处理，用主成份分析的方法对高光谱图像提取第一主成分；

(2)、用提取完的第一主成分作为引导图和归一化后高光谱图像的每一层光谱进行空间上的滤波处理，从而形成修正后的高光谱分类图像；

(3)、将修正后的高光谱图像随机取一定数量的样本作为训练数据集并将训练数据集根据已知的分类信息进行类别标记，剩下样本的作为测试数据集；

(4)、用标记后的训练样本对超限学习机分类器进行分类训练；

(5)、最后用训练完的超限学习机对测试数据集进行分类预测。

2.根据权利要求1所述的基于联合双边滤波与超限学习机的高光谱图像分类方法，其特征在于：所述的步骤(2)按如下的过程进行：

2.1、将单层高光谱图像用I表示，(i，j)表示图片坐标,(p，q)表示(i，j)邻域为w的坐标，则I(i，j)，I(p，q)表示某点的光谱值，第一主成份用I_FC表示，滤波后的输出图像为I_JBF则有：

IJBF(i,j)=1k(i,j)Σ(p,q)∈w{Gσd(i-p,j-q)*Gσr(IFC(i,j)-IFC(p,q))*(p,q)}]]>

其中:

归一化参数

空间高斯核函数σ_d为空间域参数；

光谱高斯核函数σ_d为光谱域参数；

2.2、基于步骤2.1的所列的公式原理，经验性的分别给w，σ_d，σ_r赋予初值，用主成份分析方法所提取的第一主成份作为引导图，将高光谱图像逐层进行光谱值的滤波修正，得到修正后的高光谱图像。

3.根据权利要求1所述的基于联合双边滤波与超限学习机的高光谱图像分类方法，其特征在于：所述的步骤(3)按如下的过程进行：选择基于核的超限学习机，初始化超限学习机的核函数为径向基函数(RBF)，经验性的初始化神经元个数，再将标记好类别的训练样本输入到超限学习机中进行模型训练，再将未标记的测试样本出入到训练好的模型中进行分类预测。