[发明专利]基于迁移学习的投影寻踪高光谱图像分割方法

摘要

本发明公开了一种基于迁移学习的投影寻踪高光谱图像分割方法，它属于图像处理技术领域，其技术要点是：利用高光谱图像数据的多波段特性，将每一波段看作是一幅灰度图像，针对每一幅图像进行分析和研究；利用不同波段的图像相似但不相同的特性，将迁移学习引入投影寻踪聚类算法中；通过地物标记图获取源域图像数据的标签，利用已知的标签知识，对目标域的无标签图像数据进行指导，获得最优投影方向和最优子空间，从而提高分割精度。本发明具有利用已有先验知识，提高分割精度的优点，可用于军事侦察手段以及民用和工业领域。

主权项

1.一种基于迁移学习的投影寻踪高光谱图像分割方法，包括如下步骤：(1)对原始高光谱图像截取局部进行分割，并将截取的高光谱图像灰度定义为X_n×m，其中，n表示样本的个数，在截取的高光谱图像中表示为像素点个数，m表示样本的维数，在截取的高光谱图像中表示为高光谱图像的波段个数；(2)选取截取的高光谱图像的m₁个波段作为无标签的目标域数据X_U，在未选定的波段中随机选取m₂个波段作为源域数据X_L，并通过地物标记图获得源域数据的标签Y_L，其中m₁＝m₂；(3)对目标域数据X_U和源域数据X_L进行归一化，得到归一化后的目标域数据X′_U和源域数据X′_L，并设定标签迭代次数g；(4)将归一化后的目标域数据X′_U，随机投影到一个低维子空间U，并对该子空间U进行K均值聚类，获得一个初始标签Y_U；(5)根据获得的初始标签Y_U和已知的源域数据标签Y_L确定初始的源域和目标域数据的类别，按照构建的如下公式计算迁移线性判别分析投影指标：I′(a)=1-|aTSwa||aT(St+λXLXT)a|for|aT(St+λXLXT)a|≠00for|aT(St+λXLXT)a|=0]]>其中，a为投影方向；S_w为类内散度，其中X_ij为X中任意一个数据，X为归一化后的目标域数据X′_U和源域数据X′_L的总和，是初始的源域和目标域数据类别中各类的均值，即n_i为第i类中像素点的个数；S_t为总散度且S_t＝S_b+S_w，S_b为类间散度，是X的总均值，即其中，n为总的像素点的个数且c为类别数；λ为参数；其中I为单位对角矩阵，D为对角矩阵且满足D_ii＝d_i，d_i是顶点i的度且满足N为目标域数据和源域数据的个体总数，M为邻接矩阵，定义为：Mij=exp(-||Xij-Xij′||2/σ2)(Xij,Xij′)∈E0(Xij,Xij′)∉E]]>其中X_ij，X′_ij为X中任意的数据，σ为参数，E为设定的X_ij和X′_ij间的相互关系，M_ijM中任意元素；(6)通过免疫克隆算法优化迁移线性判别分析投影指标，获得最优的投影方向；(7)将归一化后的目标域数据X′_U，投影到最优的投影方向，获得最优的子空间U′；(8)对子空间U′进行K均值聚类，获得新的标签Y′_U；(9)将新的标签Y′_U作为初始标签Y_U，返回步骤(5)进行迭代，经过数次迭代后，若获得新标签Y′_U在迭代过程中达到收敛，输出收敛的标签Y″_U，若在迭代g次后没有收敛，则输出最后获得的标签Y′_U；(10)将收敛的标签Y″_U或最后获得的标签Y′_U与输入图像的像素对应，输出图像分割结果。