[发明专利]基于相关系数冗余度的高光谱数据有监督分类方法

摘要

一种基于相关系数冗余度的高光谱数据有监督分类方法，属于遥感图像信息处理领域。所述方法步骤如下：步骤一、利用相关系数冗余度自动筛选有监督分类所需要的训练样本集合；步骤二、对SVM核函数的参数进行寻优；步骤三、使用SVM分类器算法完成对高光谱遥感图像的二分类任务；步骤四、基于一对一策略实现多分类任务。该方法通过计算单次选择样本集合的相关系数冗余度来辅助自动筛选训练样本，并将遗弃样本用于分类器参数的自动寻优，使得SVM分类器算法的分类精度得到了有效提升，并通过精简支撑向量减少了时间消耗，使之在处理高光谱遥感图像的高精度分类任务中更具实用价值。

主权项

一种基于相关系数冗余度的高光谱数据有监督分类方法，其特征在于所述方法步骤如下：步骤一、利用相关系数冗余度自动筛选有监督分类所需要的训练样本集合：1)对于拍摄的高光谱遥感图像其中Row，Column表示高光谱遥感图像的宽和长，B表示高光谱遥感图像的波段数目，由图像分析人员按照E×1的线段采样器选择训练样本；2)针对人工选择的训练样本进行自动筛选，设定每次保留的像素为M个，M<E，即删除掉了E‑M个训练样本的像素；3)计算所有可能选择的M个像素P₁，...，P_M的相关系数冗余度，并选出数值最大的一个相关系数冗余度，即则便是从E个像素中保留的M个像素；4)对本次选择的E个像素统一标注一个确定的类别标号Class^*，将保留的M个像素以数据对的形式(P₁^*，Class^*)，...，归入训练样本集合，剩余的E‑M个像素也以数据对的形式归入遗弃样本集合；5)如果需要继续选择更多的训练样本，则返回1)，否则进行步骤二；步骤二、对SVM核函数的参数进行寻优：a、从步骤一得到的训练样本集合中选出具有相同类别标号值的一类像素，将其新类别标号定义为‑1，而训练样本集合中剩余的所有像素则对应新类别标号1，并对遗弃样本集合中的像素也做同样的处理，构造一个标准的二分类问题，应用基于RBF核函数的SVM算法去分类，并计算出针对该类别的分类精度，其中：RBF形式为：σ为宽度参数，对参数σ进行以下数据的遍历筛查：σ∈{0.01，0.1，1，10}；b、按照同样的办法，对训练样本集合中的每一种类别都做上述处理，则得到针对所有类别的分类精度；c、对所有类别的分类精度取均值，得到平均分类精度；d、选择平均分类精度最大值所对应的σ值作为SVM分类器算法的参数；步骤三、使用SVM分类器算法完成对高光谱遥感图像的二分类任务：从训练样本集合中选出h，k两种类别的像素作为训练数据对已知参数σ的SVM分类器进行训练，并对所有L个测试样本P_t进行类别估计，1≤t≤L，之后得到所有测试样本的类别估计值：f_h，k(P_t)，1≤t≤L；如果训练样本集合中只有两种类别，则无需进行步骤四，利用f_h，k(P_t)即可完成对所有测试样本的类别判定；否则，需要另外选一对其它的不同类别组合，并重复执行步骤三，直至所有两两类别组合都被计算完毕；步骤四、基于一对一策略实现多分类任务：根据步骤三得到的结果，利用一对一策略的投票原则，最终判断出每个测试样本的类别标号。