[发明专利]基于波段迁移的高光谱图像聚类方法

摘要

本发明公开了一种基于波段迁移的高光谱图像聚类方法。主要解决现有基于高斯混合模型的聚类方法对于高光谱图像聚类不准确，速度较慢，稳定性较差的问题。其实现步骤是先从高光谱图像中随机选出一些波段分别作为目标域，根据聚类一致性值，从目标域选出一些聚类不稳定样本；再根据欧氏距离原则从高光谱图像剩余波段中选取一些波段作为源域，利用EM算法估计源域中高斯混合模型的参数；最后将源域中的参数迁移至目标域来改善目标域中不稳定样本的聚类结果。本发明与传统的聚类方法相比，具有速度快、效果好等优点，而且可使用较少的波段达到较高的分类精度，大大的节约了计算成本，可用于矿产探测、资源调查及环境监测。

主权项

一种基于波段迁移的高光谱图像聚类方法，包括如下步骤：(1)输入高光谱图像IR×N，R是不同谱对应的m×n大小的图像，N为高光谱图像的波段数目；(2)随机选出高光谱的10个波段数据作为目标域样本DT，根据这10个波段数据，利用欧氏距离作为度量准则，从剩下的波段中再另选取出10个波段数据作为源域样本DS；(3)对目标域样本DT用EM、K‑means和FCM聚类算法分别聚3次，得到的9个聚类标签，计算这9个聚类标签的聚类一致性值CI；(4)设定一个阈值Q＝0.6，将聚类一致性值CI与阈值Q进行比较，若CI大于等于Q，则将样本标记为确定性样本DA，否则标记为非确定性样本DB，同时记录确定性样本DA的聚类标签la；(5)对源域样本DS的高斯混合模型用EM算法进行参数估计，得到源域中混合高斯模型的类混合权值参数αj、均值μj、协方差σj，并将得到的这些参数迁移至目标域样本DT，得到目标域样本DT新的类混合权值参数αj′、均值μj′、协方差σj′；(6)根据新的类混合权值参数αj′、均值μj′、协方差σj′，计算出非确定样本DB的聚类标签lb；(7)根据确定性样本DA的聚类标签la和非确定性样本DB的聚类标签lb，得到目标域样本DT的聚类标签l：l＝la∪lb。