[发明专利]一种高光谱图像的分类方法及系统

摘要

本发明适用于图像分类，提供了高光谱图像的分类方法，包括：将高光谱图像分为训练集和测试集，并提取局部特征点，通过K‑means算法对训练集的局部特征点进行计算形成词典，采用KNN算法在词典中为测试集的待分类局部特征点形成最近邻单词，并为测试集图像的待分类特征点查找最近邻特征点，在最近邻单词中查找出光谱维距离最短的近邻单词，引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到编码系数，通过最大池化算法池化编码系数，并将得到的编码系数作为高光谱图像的特征描述符对测试集进行分类。本发明解决了高光谱图像特征点和词典单词建立映射关系时存在的不确定性的问题，提高了相似图像的识别力。

主权项

一种高光谱图像的分类方法，其特征在于，包括：将高光谱图像分为训练集和测试集，分别从所述训练集和所述测试集中抽取训练集的局部特征点和测试集的待分类局部特征点，根据所述训练集的局部特征点和所述测试集的待分类局部特征点构成训练集特征点集和测试集待分类特征点集；通过K‑means算法对所述训练集的局部特征点进行计算，形成词典；采用KNN算法，在所述词典中为所述测试集的待分类局部特征点形成最近邻单词；采用KNN算法，为所述测试集的待分类特征点查找最近邻特征点；在所述最近邻单词中查找出光谱维距离最短的近邻单词；引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到所述测试集待分类特征点集中的待分类局部特征点和词典单词的编码系数；通过最大池化算法池化所述编码系数，并将池化后得到的编码系数作为所述高光谱图像的特征描述符，根据所述特征描述符对所述高光谱图像的测试集进行分类。