[发明专利]一种基于集成聚类波段选择的高光谱图像分类方法及系统

权利要求书

1.一种基于集成聚类波段选择的高光谱图像分类方法，其特征在于，包括：

获取高光谱图像数据集；

基于高光谱图像数据集，采用基聚类生成策略，结合谱聚类得到相应的聚类划分，通过设置不同的参数，得到基聚类集合；

基于基聚类集合，采用LWEC方法计算每个簇的熵和ECI值，生成LWCA矩阵；

基于LWCA矩阵，采用共识函数，寻找分割点，根据分割点得到聚类结果；

基于聚类结果，采用流形排序方法，得到代表性波段；

基于代表性波段，结合高光谱图像数据集，对高光谱图像的像元进行分类。

2.根据权利要求1所述的基于集成聚类波段选择的高光谱图像分类方法，其特征在于，所述基聚类生成策略包括：将深度卷积自编码器与子空间聚类相结合，利用空间信息和非线性特征变换，提取光谱波段之间的相互作用，得到第一相似度矩阵；基于第一相似度矩阵，采用谱聚类得到相应的聚类划分，通过设置不同的参数，得到多个第一基聚类成员。

3.根据权利要求1所述的基于集成聚类波段选择的高光谱图像分类方法，其特征在于，所述基聚类生成策略包括：利用高维数据多样化度量方法，将高光谱图像数据集与随机多样化度量相结合，得到随机核相似性度量；构造高光谱图像数据集的随机子空间采样；将随机子空间采样与随机核相似性度量相结合，生成第二相似度矩阵；基于第二相似度矩阵，采用谱聚类得到相应的聚类划分，通过设置不同的参数，可得到多个第二基聚类成员。

4.根据权利要求3所述的基于集成聚类波段选择的高光谱图像分类方法，其特征在于，将多个第一基聚类成员和多个第二基聚类成员相结合，构造基聚类集合。

5.根据权利要求1所述的基于集成聚类波段选择的高光谱图像分类方法，其特征在于，所述基于LWCA矩阵，采用共识函数，寻找分割点，根据分割点得到聚类结果具体包括：

将高光谱图像数据集看作一个簇G₀，其中，G₀＝{b₁,b₂,b_n,…,b_N}；

共识函数使用LWCA矩阵W作为相似度矩阵，它表示任意一对波段之间的相似性；相邻波段b_i和b_i+1的相似度由Γ(b_i，b_i+1)表示，定义如下：

Γ(b_i,b_i+1)＝W_i,i+1

基于G₀和上述公式，第一个分割点t₁是通过找到一对相似度最低的相邻波段来确定的：

分割点t₁确定后，得到两个新簇G₁＝{b₁,b₂,…,b_i}和G₂＝{b_i+1,b_i+2,…,b_v}；

为了找到剩余的分割点，迭代地执行1)-3)的过程：

1)从所得到的簇中找到具有最大波段数的簇G_j＝{b_m，b_m+1，···，b_v，b_v+1，···，bn}；

2)通过从Gj中找到一对相似度最低的相邻波段b_v和b_v+1，以确定分割点t_j，其公式表示为：

3)直到获得的簇数等于所要聚成的类数时，划分结束，得到最终的共识聚类结果类