[发明专利]基于标记样本位置的高光谱图像进化分类方法

摘要

本发明公开了一种基于标记样本位置的高光谱图像进化分类方法，解决了高光谱图像分类中空间信息的利用问题。具体步骤有：输入数据，用PCA降维后的基图像；提取差分形态学特征；差分形态学与光谱特征结合编码，分割数据集、记录部分标记样本的位置；初始化代表样本点；开始迭代，确定最大迭代次数；判断停止条件，若满足，则直接对无标签样本分类；不满足则设计交叉模版、精英保留策略进行进化后选择代表点集合再次迭代，直至满足条件；在无标签样本分类后，对分类结果分割，参考标记样本点位置，进一步优化。本发明用空间信息、进化算法完成了对高光谱图像的分类，搜索更有依据；提高了分类精度，应用于高光谱图像分类。

主权项

一种基于标记样本位置的高光谱图像进化分类方法，其特征在于，包括有如下步骤：(1)输入数据：输入高光谱图像数据，即原始数据，高光谱图像数据中包含光谱特征；并用主成份分析(PCA)对图像数据降维后得到数个基图像；(2)在各个基图像上提取差分形态学特征DMP，即一种空间特征；(3)编码光谱和空间特征，分割数据集，记录位置信息：将差分形态学特征与完整的光谱特征结合，共同编码，并将高光谱图像数据集分割为有标记样本集DT1，无标记样本集DT2以及测试样本集DT3，对于每一类地物，随机选择部分有标记样本点并记录保存其位置信息；(4)初始化代表点集合DNAC：在有标记样本集DT1中随机选择部分样本组成代表点集合DNAC，完成初始化；(5)进入迭代：设置当前迭代为第1代，并限制最大迭代次数为500；对各类地物的代表样本点进行优化；(6)判断停止条件：判断当前迭代是否达到最大次数或进化算法是否收敛，若未达到最大次数或未收敛则继续，否则跳至步骤9；(7)构建遗传算子：在进化算法中设计复制、交叉遗传算子，并加入精英保留策略；(8)选择策略：选择一个合适的适应度函数，利用遗传算子对当前的代表点集合DNAC进行进化操作，从中仅选择适应度函数值最大的DNAC集合进入下一代优化，即迭代次数加1后返回第6步；(9)获得中间结果：使用优化结束的代表点集合DNAC分别对无标记样本集DT2及测试样本集DT3分类，得到一个分类图像；(10)最终优化：将分类结果进行基于区域的分割，并与保存的标记样本点位置信息相结合，得到最终的分类结果。