[发明专利]一种基于哈希学习的高光谱图像分类方法

摘要

本发明提供一种基于哈希学习的高光谱图像分类方法，包括：将高光谱图像做零均值化处理，得到高光谱数据均值；根据所述高光谱数据样本均值确定真实图像中每一类地物的非目标地物的光谱特征；根据所述光谱特征定义哈希函数，并计算所述哈希函数的偏移量、最大特征向量；根据所述偏移量、最大特征向量提取哈希语义特征；根据所述提取的哈希语义特征进行高光谱图像分类。本发明将提取到的语义特征与原始高光谱地物数据融合之后，可以有效提高原高光谱数据的分类与识别精度。

主权项

1.一种基于哈希学习的高光谱图像分类方法，其特征在于，包括：

将高光谱图像做零均值化处理，得到高光谱数据均值；

根据所述高光谱数据均值和样本均值的确定真实图像中每一类地物的非目标地物的光谱特征；

根据所述光谱特征定义哈希函数，并计算所述哈希函数的偏移量、最大特征向量；

根据所述偏移量、最大特征向量提取哈希语义特征；

根据所述提取的哈希语义特征进行高光谱图像分类。

2.根据权利要求1所述的方法，其特征在于，所述根据定义哈希函数计算矩阵M的最大特征向量，包括：

定义哈希函数为

h(x)＝sgn(w^Tx+b)   (1)

其中，w是子空间投影向量，b为偏移量，x为像元向量；

根据第i(1<＝i<＝p)类目标类别中心与非第i类类别中心之间的距离，采用公式

计算单独类间的隶属度，其中，d_i为目标类别的聚类中心,u_i为非第i类类别的聚类中心；y_i的值为像元i的真实值类别值，当为该类时，y的值为1，反之值为0；

根据第i类目标类别中心与第j类类别中心之间的距离，采用公式

计算所有目标地物类间隶属度；

根据第i类样本像元之间的距离，采用公式

计算第i类样本的单独类内隶属度，其中r_i为i类的像元；

根据第i类样本像元r_i与像元四邻域r_Ni之间的距离，采用公式

计算第i类样本的邻域类内隶属度；

根据第i类样本像元之间的距离，采用公式

计算第i类样本与其他类别之间的类内隶属度；

根据所述单独类间的隶属度、所有目标地物类间隶属度、单独类内隶属度、第i类样本的类内隶属度以及第i类样本与其他类别之间的邻域类内隶属度确定损失函数为：

其中，cB为目标地物的类内隶属度，cW为地物间的类间隶属度；

根据所述损失函数对所述单独类间的隶属度、所有目标地物类间隶属度、单独类内隶属度、第i类样本的类内隶属度以及第i类样本与其他类别之间的邻域类内隶属度进行哈希学习，得到

cw1＝w^Tcw1′w   (8)

cw2＝w^Tcw2′w   (9)

cw3＝w^Tcw3′w   (10)

cb1＝w^Tcb1′w   (11)

cb2＝w^Tcb2′w   (12)

根据优化目标函数为

引入拉格朗日乘子

计算矩阵M的特征值集合{v}和特征向量集合{e}，其中将特征值集合中最大的特征值v_max对应的特征向量记为w_max，即所求的W的值为w_max，对所有的目标类别均采用相同的操作，得到w_max(i)，其中w_max(i)表示第i类的w_max值；

对参数b进行哈希学习，得到

b＝mean(w^Tx)   (15)。

3.根据权利要求2所述的方法，其特征在于，所述根据所述偏移量、最大特征向量提取哈希语义特征，包括：

采用公式：

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大连海事大学，未经大连海事大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810012064.1/，转载请声明来源钻瓜专利网。