[发明专利]一种多边形结构引导的高光谱图像单样本识别方法及系统

权利要求书

1.一种多边形结构引导的高光谱图像单样本识别方法，其特征在于，包括：

1）针对输入的高光谱图像进行光谱维度的降维，得到降维图像；

2）对降维图像进行多尺度分割得到多尺度分割图；

3）利用已知的单样本，结合多尺度分割得到的最细尺度的分解结果及光谱角距离，在单样本所在的多边形内扩充样本，随后搜索相似多边形，在相似多边形内部二次扩充样本，并利用扩充后的样本训练像素级的分类器识别模型；

4）利用训练好的分类器识别模型对降维图像进行识别，得到逐像素的初始识别结果；

5）结合多尺度分割图优化初始识别结果，得到多尺度识别结果；

6）融合多尺度识别结果，得到最终的识别结果；

步骤2）中进行多尺度分割时，针对每一种尺度的分割步骤包括：

2.1）基于图像梯度的区域增长检测降维图像中的线段，且检测得到的线段数量为该尺度对应的预设线段数量；

2.2）对检测到的线段基于下式通过最小能量函数对线段重新定向；

U(x)=(1-λ)D(x)+λV(x)

上式中，U(x)表示最小能量函数，D(x)表示数据项，V(x)表示线段成对倾向，λ∈[0,1]为权重，数据项D(x)限制线段相对其初始方向的较大角度偏差，线段成对倾向V(x) 将几乎平行或几乎正交的成对空间上接近的线段变为完全平行或正交，x=(x₁,…,x_n)，x_i∈[-θ_max，θ_max]是在n条线段上施加的干扰参数，θ_max为线段的最大偏移量，数据项D(x)和线段成对倾向V(x)的函数表达式分别为：

上式中，n为线段数量，x_i为第i项干扰参数，x_j为第j项干扰参数，θ_max为线段的最大偏移量，μ_ij表示线段i和j之间的相关性，当线段i和j在空间位置上非常接近或者|θ_ij|2θ_max，μ_ij=1，否则μ_ij =0，θ_ij表示线段i和j之间的相对角度偏离直线或直角的距离；

2.3）将线段在基于动态平面图G_t= (V_t，E_t)的框架中逐渐延伸，这一平面图划分了图像域，V_t和E_t分别是顶点和边的集合，当线段相交时，在图中插入新顶点和边，当线段停止延长时，得到最终的多边形分割结果，在此过程中图始终保持平面；

步骤3）包括：首先在多边形内部扩充样本，找到单样本所在的多边形，计算该多边形内部所有像素点与单样本的光谱距离SAM，将距离小于前第一预设比例的像素点作为新的扩充样本点；然后计算其他多边形的平均光谱以及单样本与这些光谱的光谱距离，将距离小于前第二预设比例的多边形作为相似多边形，然后在相似多边形内部搜索样本，且搜索样本具体操作为计算单样本与相似多边形内所有像素的光谱距离SAM，当光谱距离SAM的值小于阈值θ₁时，赋予计算光谱距离SAM的两个像素s_j与s_i同类的标签，将其加入训练样本集；采用得到的训练样本集作为输入，训练像素级的分类器识别模型。