[发明专利]联合光谱、空间和层次结构信息的高光谱影像分类方法

摘要

本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间特征向量；对原始影像采用马尔科夫特征选择进行降维，采用代数多重网格方法构建影像金字塔，使用层次分割方法得到多层分割结果；将原始光谱特征向量、空间特征向量和层次结构特征向量组合构建多核矩阵；利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；输出最终的影像分类图。本发明提供了一种有效的分类方法，能充分提取挖掘影像信息，能有效提高高光谱影像分类精度。

主权项

1.联合光谱、空间和层次结构信息的高光谱影像分类方法，其特征在于，包括以下步骤：S1、输入光学传感器获取的待分类的高光谱影像；并输入与待分类的高光谱影像对应的地面调查数据样本集；S2、根据地面调查数据样本集中所有样本的坐标位置，提取原始的高光谱影像中对应坐标位置的像元构成参考数据样本集；S3、得到的高光谱影像的参考数据样本集中包括多个信息类别，依次为各信息类别随机选取一定数量的样本作为监督分类的训练样本集；将各信息类别中剩余的参考数据样本作为精度评价的测试样本集；S4、对原始高光谱影像采用主成分分析提取影像的前三个主成分波段；S5、对步骤S4得到的前三个主成分波段使用拓展形态学方法提取空间特征向量；S6、对原始高光谱影像采用马尔科夫特征选择进行降维；S7、对步骤S6降维的影像采用代数多重网格方法构建影像金字塔；S8、对步骤S7构建的影像金字塔使用层次分割方法得到多层分割结果的层次结构特征向量；S9、根据步骤S3选好的训练样本集，将对应位置处的原始光谱特征向量、步骤S5得到的空间特征向量和步骤S8得到的层次结构特征向量组合构造光谱空间层次结构复合核；S10、利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；S11、根据步骤S10的最终类别属性标签输出最终的影像分类图。