[发明专利]基于三维Gabor特征选择的高光谱遥感图像分类方法及系统

权利要求书

1.一种基于三维Gabor特征选择的高光谱遥感图像分类方法，其特征在于，所述高光谱遥感图像分类方法包括下述步骤：

步骤A，根据设定的频率和方向参数值生成若干三维Gabor滤波器；

步骤B，将高光谱遥感图像与生成的所述若干三维Gabor滤波器进行卷积运算，得到若干三维Gabor特征；

步骤C，利用Fisher判别准则，从得到的所述若干三维Gabor特征中选择出对各类分类贡献度符合预设要求的若干三维Gabor特征；

步骤D，将选择出的每个三维Gabor特征的索引保存在索引矩阵中，并将选择出的每个三维Gabor特征分为训练集和测试集，计算测试集中测试样本的三维Gabor特征在训练集上的稀疏编码系数，使用稀疏编码系数和训练集根据所述索引矩阵分别重构三维Gabor矩阵，得到若干重构误差并对所述重构误差进行累加，将累加重构误差最小的类别作为所述测试样本的类别，按照所述测试样本的类别对所述高光谱遥感图像进行分类。

2.如权利要求1所述的高光谱遥感图像分类方法，其特征在于，步骤A具体包括：

步骤A1，根据设定的频率和方向参数值生成64个三维Gabor滤波器；

以f_t表示频率，表示方向，则设置频率f_t＝[0.5,0.25,0.125,0.0625]，设置16个方向然后根据公式：

生成64个三维Gabor滤波器；其中，是滤波器与ω轴的夹角，θ是滤波器与μ-ν平面的夹角；是的第k个取值，θ_j是θ的第j个取值；(x,y,λ)分别表示像素的x坐标、y坐标、光谱坐标；σ是高斯包络的宽度；

步骤A2，去除64个三维Gabor滤波器中重复的8个三维Gabor滤波器，剩余的52个三维Gabor滤波器作为参与后续卷积运算的三维Gabor滤波器，用{Ψ_i,i＝1,…,52}表示。

3.如权利要求1所述的高光谱遥感图像分类方法，其特征在于，生成的三维Gabor滤波器个数为52个，用{Ψ_i,i＝1,…,52}表示；步骤B具体包括：

步骤B1，将高光谱遥感图像与52个三维Gabor滤波器进行卷积操作；

步骤B2，对卷积操作后的结果进行取幅值运算得到高光谱遥感图像的52个三维Gabor特征；

以R表示所述高光谱遥感图像，M_t表示生成的第t个三维Gabor特征，则：取幅值运算表示为：生成的52个三维Gabor特征表示为：{M_t,t＝1,…,52}，其中：(x,y,λ)分别表示像素的x坐标、y坐标、光谱坐标。