[发明专利]基于小波核局部Fisher判别分析的高光谱影像分类方法

摘要

本发明提供一种基于小波核局部Fisher判别分析的高光谱影像分类方法，涉及高光谱图像技术领域。该方法首先读入高光谱数据作为样本数据，并对样本数据集进行归一化；采用小波核函数将数据从低维原始空间映射到高维特征空间；利用局部Fisher判别分析方法对样本数据进行特征提取；将降维后的数据集划分为训练数据和测试数据，将训练数据输入SVM分类器获得最优参数值；将测试数据输入分类器得到分类结果；对分类结果进行分析和精度评价。本发明提供的基于小波核局部Fisher判别分析的高光谱影像分类方法，获得了很好的分类效果，可应用于农业监测、环境管理、灾害评估、矿物填图等领域。

主权项

1.一种基于小波核局部Fisher判别分析的高光谱影像分类方法，其特征在于：包括以下步骤：步骤1：读入高光谱遥感影像数据集；步骤2：按波段对输入的高光谱遥感影像数据进行归一化处理；步骤3：采用小波核函数将数据从低维原始空间映射到高维特征空间，在特征空间利用局部Fisher判别分析方法对样本数据进行特征提取，具体方法为：步骤3.1：采用小波核函数将原始数据映射到高维特征空间；步骤3.2：在特征空间采用局部Fisher判别分析方法提取样本数据的特征；步骤4：将降维后数据集划分为训练数据和测试数据，将训练数据输入SVM分类器，采用交叉验证获得分类器的最优参数值，将测试数据输入到SVM分类器中识别出类别，具体方法为：步骤4.1：将提取特征后的样本数据划分为训练样本和测试样本；步骤4.2：输入训练样本及其对应的标签，通过交叉验证获取最优参数值，进而构造SVM分类器；步骤4.3：将测试样本输入到SVM分类器，并利用已学习的各个类别的权重，求得该测试样本对应的类别标签；步骤5：采用总体分类精度OA和Kappa系数作为评价标准，将多次实施结果的OA和Kappa系数的平均值作为最终结果。