[发明专利]一种基于导向滤波和线性空间相关性信息的高光谱图像分类方法

权利要求书

1.一种基于导向滤波和线性空间相关性信息的高光谱图像分类方法，其特征在于，包括：

接收高光谱图像数据集；

根据所述高光谱图像数据集得到空间纹理信息；

根据所述高光谱图像数据集得到线性空间相关性信息；

将所述高光谱图像数据集、空间纹理信息和线性空间相关性信息线性融合，得到新数据集；

随机从所述新数据集以预设比例挑选出训练集，所述新数据集的其余部分作为测试集；

利用径向基函数支持的向量机对所述训练集进行训练，获取训练模型；

利用径向基函数支持的向量机对所述测试集进行分类，获取所述高光谱图像的分类结果；所述根据所述高光谱图像数据集得到空间纹理信息的步骤包括：

通过特征降维对高光谱数据集进行处理，得到信息量重新分布的高光谱图像数据集，并利用引导滤波对信息量重新分布的高光谱图像数据集前面20个成分进行滤波，得到空间纹理信息；

所述根据所述高光谱图像数据集得到线性空间相关性信息的步骤包括：

根据所述高光谱图像数据集定义第一高光谱线性空间相关性信息矩阵和第二高光谱线性空间相关性信息矩阵，其中第一高光谱线性空间相关性信息矩阵为水平方向的线性空间相关性信息矩阵，第二高光谱线性空间相关性信息矩阵为竖直方向的线性空间相关性信息矩阵；

将第一高光谱线性空间相关性信息矩阵和第二高光谱线性空间相关性信息矩阵相加，得到线性空间相关性信息；

所述根据所述高光谱图像数据集定义第一高光谱线性空间相关性信息矩阵和第二高光谱线性空间相关性信息矩阵的步骤包括：

所述高光谱图像的空间分辨率为M×N，则第一高光谱线性空间相关性信息矩阵D_l为：

第二高光谱线性空间相关性信息矩阵D_v为：

其中，(x,y)为像元在高光谱图像的位置，M/2为高光谱图像水平方向的中心位置，N/2为竖直方向的中心位置，D_l(x,y)为每个像元距离水平方向中心位置的距离大小的归一化，D_v(x,y)为每个像元在纵坐标中距离竖直方向中心位置的距离大小的归一化。

2.根据权利要求1所述的基于导向滤波和线性空间相关性信息的高光谱图像分类方法，其特征在于，所述随机从所述新数据集以预设比例挑选出训练集，所述新数据集的其余部分作为测试集的步骤之后还包括：

利用径向基函数支持的向量机方法交叉验证，寻找最优的参数组合。

3.根据权利要求2所述的基于导向滤波和线性空间相关性信息的高光谱图像分类方法，其特征在于，所述预设比例为10％的比例。

4.根据权利要求3所述的基于导向滤波和线性空间相关性信息的高光谱图像分类方法，其特征在于，所述将所述高光谱图像数据集、空间纹理信息和线性空间相关性信息线性融合，得到新数据集的步骤包括：

将所述高光谱图像数据集、空间纹理信息和线性空间相关性信息三者相加，得到新数据集。