[发明专利]一种基于空谱联合特征的高光谱海冰检测方法

说明书

本发明公开了一种基于空谱联合特征的高光谱海冰检测方法，解决了传统方法限制了高光谱海冰图像分类精度提升的弊端，其技术方案要点是包括有以下步骤：通过原始高光谱图像获得原始数据；从原始数据中提取空间特征并获取得到标签样本；从原始数据数据中选择各标签样本的近邻未标签样本并进行处理；将标签样本和未标签样本融合以形成输入数据；将输入数据随机划分为训练样本和测试样本，通过训练样本对预建的三维CNN网络模型进行训练，通过测试样本进行测试，以得到分类精度；通过训练测试后的三维CNN网络模型对高光谱遥感图像进行检测分类，本发明的一种基于空谱联合特征的高光谱海冰检测方法，能够有效的克服现有困难，改进高光谱海冰的分类精度。

技术领域

本发明涉及海冰检测领域，特别涉及一种基于空谱联合特征的高光谱海冰检测方法。

背景技术

海冰是地球气候系统的重要组成部分，也是全球气候变化的指标之一。它在海洋与大气之间的热交换中起着重要的作用。同时，海冰也是造成极地和高中纬度地区海洋灾害的原因之一。对海冰检测的研究具有重要的研究意义。海冰检测需要获取及时有效的数据，而遥感技术具有及时性、准确性和可以获取大范围数据的特点，成为分析与研究海冰的重要手段。其中，高光谱遥感数据数据量大、波段多，在获得目标地物二维空间图像信息的同时，还可以获得连续的、高分辨率的表征其物理属性的一维光谱信息，实现了遥感数据图像维与光谱维信息的有机融合，即具有“图谱合一”的特性，为精确的海冰分类提供了重要的数据支撑。

1)从光谱特征为依据来看，高光谱遥感波段多、波宽窄，可以获得接近连续的光谱信息，为海冰检测提供了更精细的光谱特征。常用的方法有传统的最小距离、最大似然估计、决策树和支持向量机(SVM,Support Vector Machine)等。

2)从空间特征为依据来看，由于高光谱图像可获得大范围的数据图像，不同的地物类别拥有丰富多样的空间信息。不同类型的海冰往往具有不同的表面粗糙度和纹理方向，表现出不同的形状和高低起伏，而相同类型的海冰表面在一定的尺度下往往表现出大致相同的纹理特征。常用的空间特征提取方法有灰度共生矩阵(GLCM,Gray-level Co-occurrence Matrix)、Gabor滤波器、形态轮廓等。

高光谱数据的高维性与大数据量也带来了波段间相关性较强、混合像素和数据信息冗余等问题，易导致Hughes现象，成为利用高光谱遥感进行海冰检测的难题。由于海冰自身的物理特性以及海冰分布的环境因素影响，在特定情况下，利用光学遥感数据进行海冰检测会出现“同谱异物，同物异谱”的现象，因此通过引入空间特征有效利用空间特征与光谱特征相结合进行海冰检测，实现信息互补，有助于提升海冰检测精度。但是目前被广泛采用的基于专家经验和先验知识所提取的浅层手工特征的方法往往忽略了深层信息，从而限制了高光谱海冰图像分类精度的提升。

另外，由于海冰覆盖区域地理环境的特殊性，实地考察困难，难以获取实际的地物类别信息，需要通过先验知识对海冰类型进行手工标注，但手工标注耗时长、代价大容易导致训练样本难以获取及样本质量难以保证的问题，也在一定程度上限制了高光谱海冰图像分类精度的提高

发明内容

本发明的目的是提供一种基于空谱联合特征的高光谱海冰检测方法，能够有效的克服现有困难，改进高光谱海冰的分类精度。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于空谱联合特征的高光谱海冰检测方法，包括有以下步骤：

通过原始高光谱图像获得原始数据；

通过GLCM算法从原始数据中提取空间特征，并将提取的空间特征与原始数据堆叠融合以获取得到标签样本；

从原始数据中根据K近邻算法选择各标签样本的近邻未标签样本，并通过波段选择算法和相关性分析对未标签样本进行处理；

将标签样本和未标签样本进行融合以形成输入数据；