[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

说明书

本发明设计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，该方法包括：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，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。本发明通过提取高光谱图像的空间纹理信息和线性空间相关性信息对高光谱图像进行分类，能有效辅助光谱信息提高分类精度，弥补空间纹理信息中丢失的空间相关性。

技术领域

本发明涉及遥感高光谱图像处理领域，更具体地，涉及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。

背景技术

通过滤波器提取高光谱图像空间信息，提高光谱图像的分类性能是目前一个研究热点。目前空间信息提取方法有：1)形态滤波特征提取；2)马尔科夫随机场特征提取；3)图像分割特征提取；4)用纹理提取滤波器提取空间信息。

利用滤波方法提取高光谱空间纹理信息开始逐渐增多，Shi和Shen等人利用多维Gabor滤波器来多角度提取图像的纹理信息，分类精度得到了提升；Wang等人采用了Gabor滤波获取较好的空间特征，利用主动学习方法对有标签训练样本的空间邻域信息进行化简，提出一种空谱结合的S2ISC半监督分类算法；Wang等人采用了Gabor滤波获取空间特征，提出一种空谱标签传播的SS-LPSVM半监督分类算法；Li等人用Gabor滤波器提取空间信息和最近邻信息方法(SNR)，提出了Gabor-SNR算法对高光谱图像进行分类；Rajadell等人用Gabor滤波器对选取的部分波段提取空间特征，改善分类性能；Wang等人结合导向双边滤波和形态属性特征获取高光谱图像空间文本特征并能有效改善分类精度；Xia等人用改进的Bilateral边缘滤波算法提取空间特征，结合独立成分分析(ICA)提出了E-ICA-RGF算法对高光谱图像进行分类，分类性能提高了不少。不少学者提出了滤波和最大概率结合的识别方法，Kang等人提出了基于边缘保持滤波的初始概率优化方法(EPF)，首先通过监督分类器SVM，利用初始的分类结果用边缘滤波对分类进行优化,最后并用最大概率方法获取高光谱分类结果；Soomro等人用弹性网络回归(Elastic NetRegression)获取初始分类结果，并通过双边滤波器获取空间信息，最后并用最大概率方法获取高光谱分类结果，都获得了不错的研究成果。高光谱图像空间纹理信息提取用于分类的研究取得了一定成效，但是也存在一些不足：

1)空间纹理信息挖掘不够充分；

2)忽略了空间相关性信息对高光谱图像分类的辅助作用。

3)传统的纹理提取方法容易去除空间相关性。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供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。

本发明旨在至少在一定程度上解决上述技术问题。

为了达到上述技术效果，本发明的技术方案如下：

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，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。