[发明专利]一种基于色相聚类的光谱降维方法

摘要

本发明涉及一种基于色相聚类的光谱降维方法，其特征在于：选择根据光谱样本自身所具有的特性出发，根据训练样本颜色特性依据色相环原理确定主要色相，利用色相聚类确定每个主要色相所对应的训练样本，然后进行待测试样本的光谱反射率降维处理。本发明充分考虑实际应用的需求，具有计算简单、易于操作、特征向量少、降维精度高等特征的多光谱数据的降维与压缩方法；利用多光谱颜色信息的高精度压缩与存储，相对用户使用而言也较为方便。

主权项

一种基于色相聚类的光谱降维方法，其特征在于，包括如下步骤：步骤S1, 根据训练样本颜色特性依据色相环原理确定主要色相，利用色相聚类确定每个主要色相所对应的训练样本子集；所得的分区数量为m，此时每个分区对应着一个具有相同颜色特征的光谱值子集，并计算每个训练样本所具有的色相角及饱和度。步骤S2，判断是否划分低饱和度颜色分区：（a）若不划分低饱和度颜色分区，则确定每个分区对应的色相角范围，按照色相角范围由小到大的顺序对分区进行标记，分别为H（1），H（2），H（3）…H（m），且各分区分别对应的光谱值子集记为A（1），A（2），A（3）…A（m）。（b）若划分低饱和度颜色分区，先确定低饱和度颜色分区所对应的饱和度阈值。当训练样本对应的饱和度小于饱和度阈值则属于低饱和度颜色分区，当训练样本对应的饱和度不小于饱和度阈值则属于其他分区，低饱和度颜色分区标记为H（1），其对应的光谱值集合记为A（1）。再确定其他分区所对应的色相角范围，按照色相角范围由小到大的顺序对其进行标记，分别为H（2），H（3），H（4）…H（m），且各分区分别对应的光谱值集合记为A（2），A（3），A（4）…A（m）。步骤S3，对每个分区的光谱值集合采用多元统计分析法，得到每个分区的特征向量；充分考虑实际生产的需求，选择相对应的特征向量数量作为该分区的降维维数；步骤S4，利用色相聚类判断待测试样本所在的分区，使用该分区的特征向量对待测试样本进行光谱降维处理；最后通过查找所在分区进行光谱重构，得到重构后的待测试样本光谱反射率。