[发明专利]一种基于Chernoff距离和SVM的高光谱数据多分类方法

摘要

本发明公开了一种基于Chernoff距离和SVM的高光谱数据多分类方法，其步骤如下：一、对输入数据进行预处理，得到归一化数据；二、计算任意两个类别之间的Chernoff距离，得到Chernoff距离矩阵；三、确定多分类任务OAA策略下的执行顺序表，得到每个波段以及全波段的可分性度量；四、构建基于Chernoff距离的子分类器指导系数；五、采用基于Chernoff距离的加权SVM分类器执行整个OAA策略所确定的分类任务，直到得到各个测试样本的最终单一类别属性。本发明不仅提高了传统的SVM方法的精确度，而且对小样本类别的分类精度有较大的提高，适用于基于OAA分类策略的高光谱图像模式识别应用。

主权项

1.一种基于Chernoff距离和SVM的高光谱数据多分类方法，其特征在于所述方法步骤如下：一、对输入数据进行预处理，得到归一化数据；二、计算任意两个类别之间的Chernoff距离，得到Chernoff距离矩阵，所述Chernoff距离计算方法如下：其中，Ωkp，q为第p类和第q类之间的Chernoff距离，k为当前波段号，Meanp与Meanq分别为第p类和第q类在第k‑1、k和k+1三个波段上的均值矩阵，Covp与Covq分别为第p类和第q类在第k‑1、k和k+1三个波段上的协方差矩阵，β为Chernoff距离调节参数，且0＜β＜1；Chernoff距离矩阵计算方法如下：C_p，q为B×1的向量，B表示多光谱遥感图像的波段数目，p＝{1，2，...，L}，q＝{1，2，...，L}且p≠q；三、确定多分类任务OAA策略下的执行顺序表，得到每个波段以及全波段的可分性度量；四、构建基于Chernoff距离的子分类器指导系数，具体步骤如下：1)对于最先分类的类别Class₁，若Class₁＝i，其中i∈{1，2，...，L}，L 是类别数目，即Class₁对应的类别为第i类，位于Chernoff矩阵中的第i行，则子分类器指导系数为2)按照OAA策略下的执行顺序表<Class₁，Class₂，...，Class_l，...，Class_L>，进行到Class_l的时候，若Class_l＝j，其中j∈{1，2，...，L}，计算时把已分类类别的Chernoff距离向量C_p，q排除在外，则子分类器指导系数为3)最后对CIassL‑1和ClassL分类，只需进行一次分类即可；五、采用基于Chernoff距离的加权SVM分类器执行整个OAA策略所确定的分类任务，直到得到各个测试样本的最终单一类别属性。