[发明专利]结合快速区域生长超像素分割的高光谱遥感图像分类方法

权利要求书

1.一种结合快速区域生长超像素分割的高光谱遥感图像分类方法，其特征在于包括以下步骤：

步骤1、对高光谱图像进行特征提取，使用主成分分析的降维方法，计算各个波段对给定主成分的贡献率，得到前三个贡献率高的主成分图像，合成假彩色图像；

步骤2、在假彩色图像中初始化聚类中心，通过欧式距离计算聚类中心与未标签像素点的空间距离和光谱距离，并进行归一化，得到超像素与其邻域的未标签像素点相似性距离；按照设定的超像素个数，在合成的假彩色图像内均匀的分配聚类中心点；假设图像总共有N个像素点，预分割为K个相同尺寸的超像素，那么每个超像素的大小为N/K，则相邻种子点的距离近似为S＝sqrt(N/K)，光谱相似度归一化因子为m，聚类中心为C[k]＝{x_k,s_k}，由空间坐标x_k和光谱值s_k构成，并用新的元素表示e_k＝{x_k,s_k,k,d_k,k}，其中k为超像素的序号，d_k,k为第k的聚类中心与第k个超像素的相似性距离，使这些元素进入优先队列；在超像素的四邻域或八邻域通过欧式距离计算未标签像素与超像素的空间相似性和光谱相似性，并进行归一化；假设四邻域或八邻域其中一个像素j表示为a_j＝{x_j,s_j,k,d_j,k}，则与第k个超像素的相似性距离为：

其中空间相似性为：

光谱相似性为：

步骤3、对每个超像素进行区域生长，并构建距离映射图，对未标签像素点进行相似性距离与距离映射的比较，生成超像素；

步骤4、选取高光谱遥感图像，对每一类样本按照相同比例提取像素作为训练样本，进行基于像素的高光谱分类；

步骤5、对生成的每个超像素计算纹理自适应阈值；对生成的超像素，使用对应假彩色图像中的光谱值方差v_k来表示第k超像素的纹理复杂程度，第k超像素的纹理自适应阈值δ_k为v_k与所有超像素方差的最大值max(v)的比值，表示如下：

步骤6、根据高光谱图像分类的纹理自适应融合策略确定每个像素的类别完成分类；所述融合策略是在基于像素的分类图中，当最大类别占比大于该超像素的自适应阈值时，将整个超像素内的类别均设为最大占比所对应的类别，否则不进行操作。

2.根据权利要求1所述的结合快速区域生长超像素分割的高光谱遥感图像分类方法，其特征在于：所述步骤3中，定义一个存取像素与超像素的最短距离矩阵D，在步骤2中计算的相似性距离d_j,k后，若d_j,k＜D(x_j)，将更新D(x_j)并且该元素进入优先队列；当队首元素出队时，该像素的分割标签确定，直至优先队列为空，即所有的元素的分割标签确定。

3.根据权利要求1所述的结合快速区域生长超像素分割的高光谱遥感图像分类方法，其特征在于：所述步骤4中，对包含多类的高光谱图像，按照一定百分比提取每一类图像像素作为训练样本，采用基于像素的高光谱分类方法支持向量机进行分类，得到基于像素的高光谱分类图。