[发明专利]一种精细识别空间目标的光谱模式识别方法

权利要求书

1.一种精细识别空间目标的光谱模式识别方法，其特征在于：包括如下步骤：

步骤101，通过光谱仪获取各类空间目标在不同观测角度下的光谱数据；

步骤102，对采集到的光谱数据进行预处理以去除噪声的干扰；

步骤103，对步骤102预处理后的数据，进行数据特征提取，得到特征提取后的训练集样本数据；

步骤104，对训练集样本数据进行信息熵权重模糊粗糙近邻，即EFRNN分类模型训练，建立模式识别模型；

步骤105，光谱仪采集待测空间目标的光谱数据；

步骤106，对待测样本的光谱数据进行预处理，以去除噪声的干扰；

步骤107，对步骤106预处理后的数据，进行数据特征提取，得到特征提取后的待测样本数据；

步骤108，用训练模型对待测样本数据进行预测，得到该待测样本的模式识别结果；具体为：

a.计算训练样本的信息熵特征权重w，

其中，z_ij为标准化数据；β为调节参数；H_j为样本中第j个特征的信息熵；x_ij为光谱数据的第i个样本的第j个特征值；n表示特征个数，m表示样本个数，w_j为训练样本第j个特征的信息熵权重值；

b.计算预测样本q到训练样本x_i的信息熵权重欧式距离d，

其中d(x_i,q)为预测样本与所给定的每个类别的样本之间的权重欧式距离；x_ij为第i个训练样本的第j个特征值；q_j为预测样本的像元的光谱向量q＝(q₁,…,q_n)^T的第j个特征值；w_j为训练样本第j个特征的信息熵权重值，n表示特征个数；

c.计算预测样本q到c类的置信值o(c)为

其中，μ_c(x_i)为建模样本x_i属于c类的程度，d为待测样本q到训练样本x_i的信息熵权重欧式距离，m为控制相似度总体权重的参数，|N|为建模样本集合X的基数；

d.根据预测样本q到每个类的置信值判断预测样本类别，置信值最大的类为该样本所属的类别。

2.根据权利要求1所述的一种精细识别空间目标的光谱模式识别方法，其特征在于：所述步骤102中对采集到的光谱数据进行预处理，具体方法为小波去噪方法。

3.根据权利要求1所述的一种精细识别空间目标的光谱模式识别方法，其特征在于：所述步骤103中对训练集样本的光谱数据进行特征提取，具体方法为等距映射方法(ISOMAP)。

4.根据权利要求1所述的一种精细识别空间目标的光谱模式识别方法，其特征在于：所述步骤104中，采用一种信息熵权重模糊粗糙近邻(Entropy Weight Fuzzy-rough nearestNeighbour，简称EFRNN)方法，实现对空间目标的模式识别，该方法引入了信息熵权重和模糊粗糙集的概念，信息熵权重考虑了样本的所有信息并且将信息量化，而模糊粗糙集的引入可以在一定程度上避免由于重叠类而导致的模糊不确定性和由于特征不足而导致的不确定性，从而提高对相似样本的模式识别精度。