[发明专利]基于二维经验模态分解和小波降噪的多分组图像分类方法

权利要求书

1.基于二维经验模态分解和小波降噪的多分组图像分类方法，其特征在于，它包括如下步骤：

步骤一：对多分组图像中各波段分别进行二维经验模态分解，得到前K个频率由高到低依次递减的二维本征模态函数分量IMF和1个残差；

步骤二：对所述前K个频率由高到低依次递减的二维本征模态函数分量IMF求和作为该多分组图像的特征值，并对所述特征值选取小波函数降噪，获取降噪后特征值；

步骤三：多个多分组图像的降噪后特征值按比例任意选取作为支持向量机的训练样本和测试样本，

对训练样本进行支持向量机参数训练，再利用参数已训练完毕的支持向量机对测试样本所对应像素的类别进行归属判定，形成多个支持向量机子分类器；

步骤四：利用多个支持向量机子分类器构建基于一对一策略的多分类器，并依据决策函数对测试样本的归属类别做出决策，完成多分组图像的分类。

2.根据权利要求1所述的基于二维经验模态分解和小波降噪的多分组图像分类方法，其特征在于，步骤一获得前K个频率由高到低依次递减的二维本征模态函数分量IMF和1个残差的过程为：

设定多分组图像输入信号为，其中，m，n为多分组图像的像素横坐标和纵坐标，i=1,2,…,K，j为估计的次数，初始化i=1，j=1，

步骤1、采用区域极值法确定多分组图像输入信号所有的极大值和极小值；

步骤2、利用步骤1获取的所有的极大值构造一个极大值Denaulay三角形网格，由双三次样条插值求取所述极大值Denaulay三角形网格的上包络面，

利用步骤1获取的所有的极小值构造一个极小值Denaulay三角形网格，由双三次样条插值求取所述极小值Denaulay三角形网格的下包络面；

步骤3、按如下公式计算上、下包络面的均值：

，

步骤4、，获取多分组图像第个IMF分量的第次估计：

；

步骤5、判断下式是否成立：，其中，且充分接近0，

判断结果为是，执行步骤6，

判断结果为否，令，，并返回执行步骤1，

步骤6、获取第i个二维本征模态函数分量IMF，获取第i个残差；

步骤7、判断第i个残差是否为单调函数，

判断结果为否，令i=i+1，j=1，并返回执行步骤1，

判断结果为是，完成获取前K个频率由高到低依次递减的二维本征模态函数分量IMF：，和1个残差：。

3.根据权利要求1所述的基于二维经验模态分解和小波降噪的多分组图像分类方法，其特征在于，步骤三中获取多个支持向量机子分类器的过程为：

支持向量机分类器的基本核函数选取具有对称内积的径向基函数：

，

其中为径向基函数的参数，

由所构成的多个支持向量机子分类器为：

，

其中，为拉格朗日乘子，为分类目标，为维多分组图像向量(代表某一像素点的各波段数据)，是样本的数目，是维多分组图像输入向量，是阈值。

4.根据权利要求1所述的基于二维经验模态分解和小波降噪的多分组图像分类方法，其特征在于，步骤四所述决策函数采用胜者通吃的投票原则，并按下式求出测试样本所对应像素的最终归属类别：

，

其中，评分函数可表示为：

，

为扩维特征测试向量区分类别总数量。