[发明专利]一种基于大间隔分布和空间特征的高光谱图像分类方法在审
| 申请号： | 201811238577.0 | 申请日： | 2018-10-23 |
| 公开（公告）号： | CN109598284A | 公开（公告）日： | 2019-04-09 |
| 发明（设计）人： | 廖建尚 | 申请（专利权）人： | 广东交通职业技术学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510800 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于大间隔分布和空间特征的高光谱图像分类方法，包括以下步骤：首先将输入的高光谱图像进行归一化处理，得到信息量重新分布的高光谱图像数据集，然后将将归一化处理后的高光谱数据集进行PCA降维，对降维处理后的数据集进行滤波处理，并提取空间纹理特征信息；为所述待处理高光谱图像定义两个高光谱线性空间相关性信息矩阵，将空间纹理特征信息与空间相关性信息融合，利用大间隔分布机LDM对融合空间信息数据集进行训练并分类。本发明通过一种空间相关性特征和纹理特征进行融合，克服了纹理特征提取滤波器容易丢失空间相关性特征的问题，同时用大间隔分布机LDM来实现高光谱图像的分类，提高分类精度。 | ||
| 搜索关键词： | 高光谱图像 大间隔 空间相关性 分类 空间纹理特征 归一化处理 空间特征 分布机 高光谱图像数据 滤波器 空间信息数据 纹理特征提取 高光谱数据 降维处理 滤波处理 纹理特征 线性空间 信息矩阵 信息融合 重新分布 高光谱 数据集 融合 信息量 | ||
【主权项】：
1.一种基于大间隔分布和空间特征的高光谱图像分类方法，其特征在于，包括如下步骤：S1：输入待处理的高光谱图像，将高光谱图像数据集进行归一化处理，得到信息量重新分布的高光谱图像数据集G；S2：将归一化处理后的高光谱数据集进行PCA降维：H＝Pca(G)，选择选择所述数据集的前n维的数据组成新的数据集H；S3：用双边滤波法对降维处理后的数据集H进行滤波处理，并提取空间纹理特征信息Dt；S4：为所述待处理高光谱图像定义两个高光谱线性空间相关性信息矩阵Dl，Dv，高光谱图像像元(x,y)线性空间相关性信息：Dc＝Dl+DV；S5：将空间纹理特征信息与空间相关性信息融合：W＝Dt+Dc，得到融合空间信息数据集W；S6:利用大间隔分布机LDM对融合空间信息数据集W进行训练并分类。
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。
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广东交通职业技术学院，未经广东交通职业技术学院许可，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/201811238577.0/，转载请声明来源钻瓜专利网。
