[发明专利]基于特征扩展和模糊支持向量机的多分组图像分类方法

权利要求书

1.基于特征扩展和模糊支持向量机的多分组图像分类方法，其特征在于，该方法包括以下步骤：

步骤一、初始化给定波段数为I₀、尺寸为P×Q的多分组图像

IM_j(p，q)，j＝1，2，…，I₀，p＝1，2，…，P，q＝1，2，…，Q，

去掉多分组图像IM_j(p，q)中被噪声严重污染而无法使用的波段，对剩下的I个有效波段重新排序，得到待扩展多分组图像

IM_i(p，q)，i＝1，2，…，I，

其中I₀、I、P和Q为自然数；

步骤二、依次对I个待扩展多分组图像IM_i(p，q)进行二维经验模态分解，得到I组二维本征模态函数

BIMFiui,ui=1,2,...,Ui,]]>

其中U_i为第i个波段的二维本征模态函数的个数；

步骤三、将所有二维本征模态函数有机组合，扩展为待扩展多分组图像IM_i(p，q)各波段对应的特征，记为扩展后特征FBIMF；

步骤四、随机抽取扩展后特征FBIMF上的各像素形成训练样本

F_trainingBIMF_k，k＝1，2，…，N

和测试样本

F_testingBIMF_l，l＝1，2，…，M，

其中，N为训练样本总数，M为测试样本总数；

步骤五、对训练样本F_trainingBIMF_k指定模糊隶属度s_k，其中，0≤s_k≤1；

步骤六、根据训练样本F_trainingBIMF_k及对应的模糊隶属度s_k训练FSVM分类器；

步骤七、通过测试样本F_testingBIMF_l测试训练出的模糊支持向量机，并求其分类精度，完成对多分组图像IM_j(p，q)的分类。