[发明专利]提升高光谱图像分类精度的方法、装置、设备及存储介质

说明书

本发明公开了一种提升高光谱图像分类精度的方法、装置、设备及存储介质，方法包括：建立高光谱图像预设局部区域的三阶张量，对该三阶张量进行张量分解，得到预设局部区域对应的三阶核张量；遍历该三阶核张量中的各个正面切片，利用预设的编码函数建立各个正面切片的特征统计直方图；对各个正面切片的特征统计直方图进行联接，得到预设局部区域的统计直方图，并利用预设局部区域的统计直方图，对上述高光谱图像进行分类。相较于现有技术而言，本发明实施例得到的统计直方图不仅可以反映高光谱图像空间域上的信息，而且还能反映光谱域的信息，因此在高光谱图像分类中能够有效的提升分类精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种提升高光谱图像分类精度的方法、装置、设备及存储介质。

背景技术

高光谱图像不仅包含了反映地物形态特征的空间结构信息，而且包含了反映地物类别属性和状态属性的光谱结构信息，称为“图谱合一”。这种“图谱合一”的技术极大地提高了人类的感官能力，在农业科学、材料、地球科学、食品工业、生物医学应用以及军事等领域得到了广泛的应用。

LBP(Local Binary Pattern，局部二值模式)算法是一种简单有效，计算复杂度低的图像纹理描述算法，能够深入挖掘图像中蕴含的空间信息，目前已经被广泛用于与分类相关的任务，包括纹理分析、目标检测、目标识别等。然而，现有的应用在高光谱图像上的LBP算法着重于空间信息的描述，而忽略了光谱信息，导致高光谱图像的分类精度较低。

发明内容

本发明的主要目的在于提供一种提升高光谱图像分类精度的方法、装置、设备及存储介质，旨在解决现有技术中利用LBP算法对高光谱图像进行分类时，分类精度较低的技术问题。

为实现上述目的，本发明第一方面提供一种提升高光谱图像分类精度的方法，该方法包括：

建立高光谱图像预设局部区域的三阶张量，对所述三阶张量进行张量分解，得到所述预设局部区域对应的三阶核张量；

遍历所述三阶核张量中的各个正面切片，利用预设的编码函数建立所述各个正面切片的特征统计直方图；

对所述各个正面切片的特征统计直方图进行联接，得到所述预设局部区域的统计直方图，并利用所述预设局部区域的统计直方图，对所述高光谱图像进行分类。

可选的，所述遍历所述三阶核张量中的各个正面切片，利用预设的编码函数建立所述各个正面切片的特征统计直方图的步骤包括：

确定遍历到的正面切片中的张量元素的领域特征信息；

对所述领域特征信息进行量化，得到所述张量元素的空谱域联合编码值；

利用所述空谱域联合编码值，确定所述遍历到的正面切片的特征统计直方图。

可选的，所述对所述领域特征信息进行量化，得到所述张量元素的空谱域联合编码值的步骤包括:

将预设的二项式系数添加至所述领域特征信息中；

将携带有所述二项式系数的领域特征信息转换为十进制数，得到所述张量元素的空谱域联合编码值。

可选的，所述对所述各个正面切片的特征统计直方图进行联接的步骤包括：

按照所述各个正面切片在所述三阶核张量中的位置顺序，对所述各个正面切片的特征统计直方图进行联接。

为实现上述目的，本发明第二方面提供一种提升高光谱图像分类精度的装置，该装置包括：

建立模块，用于建立高光谱图像预设局部区域的三阶张量，对所述三阶张量进行张量分解，得到所述预设局部区域对应的三阶核张量；

运算模块，用于遍历所述三阶核张量中的各个正面切片，利用预设的编码函数建立所述各个正面切片的特征统计直方图；