[发明专利]基于标记样本位置的高光谱图像进化分类方法

权利要求书

1.一种基于标记样本位置的高光谱图像进化分类方法，其特征在于，包括有如下步骤：

(1)输入数据：输入高光谱图像数据，即原始数据，高光谱图像数据中包含光谱特征；并用主成份分析(PCA)对图像数据降维后得到多个基图像；

(2)在各个基图像上提取差分形态学特征DMP，即一种空间特征；

(3)编码光谱和空间特征，分割数据集，记录位置信息：将差分形态学特征与完整的光谱特征结合，共同编码，并将高光谱图像数据集分割为有标记样本集DT1，无标记样本集DT2以及测试样本集DT3，对于每一类地物，随机选择部分有标记样本点并记录保存其位置信息；

(4)初始化代表点集合DNAC：在有标记样本集DT1中随机选择部分样本组成代表点集合DNAC，完成初始化；

(5)进入迭代：设置当前迭代为第1代，并限制最大迭代次数为500；对各类地物的代表样本点进行优化；

(6)判断停止条件：判断当前迭代是否达到最大次数或进化算法是否收敛，若未达到最大次数或未收敛则继续，否则跳至步骤( 9) ；

(7)构建遗传算子：在进化算法中设计复制、交叉遗传算子，并加入精英保留策略；

(8)选择策略：选择一个合适的适应度函数，将使用某一份DNAC集合对于DT1数据集的分类总体正确率OA作为适应度函数值，对当前所有的代表点集合DNAC进行适应度评价，认为适应度越大的代表点集合能够更准确地分类，利用遗传算子对当前的代表点集合DNAC进行进化操作，从中仅选择适应度函数值最大的DNAC集合进入下一代优化，即迭代次数加1后返回第6步；

(9)获得中间结果：使用优化结束的代表点集合DNAC分别对无标记样本集DT2及测试样本集DT3分类，得到一个分类图像；

(10)最终优化：将分类结果进行基于区域的分割，并与保存的标记样本点位置信息相结合，得到最终的分类结果。

2.根据权利要求1所述的基于标记样本位置的高光谱图像进化分类方法，其特征在于，步骤( 3) 中所述的编码光谱和空间特征，分割数据集，记录位置信息，包括有如下步骤：

3.1.对于差分形态学特征DMP的编码如下表示：

其中，就表示第i个像素点的差分形态学特征的编码，x_i代表一个差分图像第i个像素点的灰度值；

3.2.在编码结束之后对于每一类地物的样本集合，随机选择10个加入有标记样本集合DT1，剩余样本中20％加入无标记样本集合DT2，80％加入测试集合DT3；

3.3.对于有标记样本集DT1中的每一类地物，随机选择部分样本保留记录其位置信息。

3.根据权利要求1所述的基于标记样本位置的高光谱图像进化分类方法，其特征在于：步骤( 7) 中所述的构建遗传算子具体是加入精英保留策略以及设计交叉模版进行交叉操作，包括有如下步骤：

7.1.加入精英保留策略：在进入当前一代的迭代优化后，首先将代表点集合复制数份，将第一份当作精英保留，从第二份开始对于每一个集合进行进化操作；

7.2.设计交叉模版进行交叉操作：进化操作包括有交叉与变异，其中交叉模版指在交叉时并非完全随机，而是需要首先根据有标记样本集DT1和无标记样本集DT2产生完整的交叉模版，对于无标记样本集合DT2的样本，用当前最优的代表点集合DNAC为其分配虚拟类标；将获得类标的DT2集合与DT1集合取并集，产生完整的交叉模版；当具体到与任意一个确定的待交叉样本，即第二份及以后的DNAC中的任意一个样本，进行交叉操作时，需要从完整的交叉模版中具体选出与待交叉样本类标相同的样本集合，组成与这个类标所对应的小交叉模版，从这个小交叉模版中随机选择一个样本与其进行普通的交叉、变异操作即可完成进化操作，得到多个进化后的DNAC集合之后，本步骤结束，继续算法的下一步。

4.根据权利要求1所述的基于标记样本位置的高光谱图像进化分类方法，其特征在于，步骤( 10) 中所述的最终优化，具体包括有如下步骤：

10.1.将中间结果MO进行分割，形成多个连通集：在一个连通集中的像素点都属于同一类；分割的方法是基于区域的：如果在某像素点的8邻域中有与之分类相同的像素点，则将两者看为是一个区域的，不断地迭代遍历所有样本点，使得每个区域尽可能覆盖更多的面积，直到所有样本点的区域归属全部确定；

10.2.搜索每一个连通集：在每个连通集覆盖的区域中，考察记录的标记样本位置，看其中多数为哪一类的样本，就将这个连通集中所有像素点都分为那一类；如果连通集中不存在记录位置的标记样本，则不改变中间结果MO的分类；

10.3.将连通集搜索完毕之后，算法结束，得到最终的分类结果。