[发明专利]一种基于空‑谱信息的高光谱半监督分类方法

摘要

本发明属于遥感信息处理技术领域，具体涉及一种基于空‑谱信息的高光谱半监督分类方法。本发明包括参数设置；空‑谱信息提取；分类过程；半监督分类无标签样本的选取。本发明将空间信息与光谱信息相结合可以有效地有监督分类方法的性能，随无标签训练样本数的增多本文所提方法性能提升，这是因为当无标签样本增多时，其提供了更多的空间分布信息，使得分类器做出更好的预测。

主权项

一种基于空‑谱信息的高光谱半监督分类方法，其特征在于：（1）参数设置：选取训练集和多分类器策略，以及确定Gabor滤波器和基于概率模型的支持向量机的参数：1.1选取N个类别进行分类，每类选取s个样本，共ln＝s×N个有标签样本组成初始训练集Dl0={(xl1,yl1),...,(xln,yln)},]]>剩余样本为无标签样本Du={xu1,xu2,...,xun},]]>其中表示第li个像元的光谱特征，表示的标签，un表示无标签样本的个数，对迭代次数进行初始化k＝0，且每次迭代加入训练集的无标签样本迭代终止条件为加入训练集的无标签样本总数为nu；1.2Gabor滤波器最大频率为fmax，且频率和尺度个数分别为U、V，高斯半径为σ，Gabor函数的相角为φ；1.3利用m次交叉验证获得基于概率模型支持向量机最优的高斯半径和惩罚参数；1.4采用“一对余”多分类器策略将多分类问题转化成多个二分类问题；（2）空‑谱信息提取：利用主成分分析方法对高光谱图像进行特征提取，得到每个像元的光谱信息xw∈Ra，利用二维Gabor滤波器对第一主成分分量进行空间信息提取，得到每个像元的空间信息xs∈Rb，且将xw和xs进行级联，得到x＝(xw,xs)∈Ra+b：2.1光谱信息提取：利用主成分分析方法对高光谱图像进行特征提取，得到每个像元的光谱信息xw∈Ra；2.2空间信息提取：利用二维Gabor滤波器对第一主成分分量I进行空间信息提取，为二维Gabor滤波器的核函数，其中，x和y表示I中某点坐标，f和θ分别为Gabor函数的频率和方向角，φ表示Gabor函数的相角，σ表示高斯半径，γ表示高斯的方向角，为提取I的空间信息，需利用多个不同频率不同方向角的Gabor滤波函数与I(xn,yn)进行卷积，令：fu=fmax/2u,θv=v6π,]]>u＝0,...,U‑1,v＝0,...,V‑1卷积运算后，得到每个像元的空间信息xs，且对其进行特征提取有：xs∈Rb；2.3空‑谱信息融合：将xw和xs进行级联，得到x＝(xw,xs)∈Ra+b；（3）分类过程：利用训练样本集对N个基于概率模型的支持向量机进行训练，且对测试样本集进行分类，得到一个后验概率矩阵PN×n_test，，求取PN×n_test每一列的最大值得到n_test维向量P1×n_test，且最大值对应的行数为该测试样本预测标签i＝1，...，n_test;（4）半监督分类无标签样本的选取：选取信息最大的无标签样本加入训练集，且重新训练分类器：4.1空间邻域信息提取：对求一阶空间邻域样本，去除冗余信息，将空间邻域样本的预测标签同其对应的训练样本标签进行对比，若相等则保留该空间邻域样本得到4.2主动学习：采用RS、BT以及MBT三种不同的主动学习策略，对进一步简化，从中选取信息量最大的n个样本组成集合更新训练集返回步骤2，直至满足终止条件，训练集中无标签样本总数为nu。