[发明专利]一种高光谱遥感图像分类方法及装置

说明书

本发明实施例公开了一种高光谱遥感图像分类方法及装置，所述方法包括：获取N个预设Gabor滤波器，所述N为正整数；基于所述N个预设Gabor滤波器获取高光谱遥感图像的N个三维Gabor幅值特征与N个三维Gabor相位特征；利用预设特征融合算法对所述N个三维Gabor幅值特征与所述N个三维Gabor相位特征进行特征融合以确定所述高光谱遥感图像中地物的所属类别。本发明实施例通过融合高光谱遥感图像的三维Gabor幅值特征与三维Gabor相位特征用于确定高光谱遥感图像中的地物类别，从而提高对高光谱遥感图像的地物分类准确度。

技术领域

本发明涉及图像处理领域，具体涉及一种高光谱遥感图像分类方法及装置。

背景技术

高光谱遥感图像是指由传感器在电磁波谱的可见光，近红外，中红外和热红外波段范围内，在不同波段成像获得的高光谱图像数据。因此，高光谱遥感图像包含了丰富的空间、辐射和光谱三重信息，为地表物质的精细分类和识别提供了可能。

目前，在对地表物质进行分类时，由于三维Gabor特征的幅值信息具有稳定性好的优点，所以通常被直接用于分类，但由于对于高光谱遥感图像来说，三维Gabor特征中包含了丰富的相位特征，所以仅采用Gabor特征的幅值特征对地表特征进行分类将使得分类准确率不高。

发明内容

本发明实施例提供了一种高光谱遥感图像分类方法及装置，以期可以提高地物分类准确率。

第一方面，本发明实施例提供一种高光谱遥感图像分类方法，其特征在于，所述方法包括：

获取N个预设Gabor滤波器，所述N为正整数；

基于所述N个预设Gabor滤波器获取高光谱遥感图像的N个三维Gabor幅值特征与N个三维Gabor相位特征；

利用预设特征融合算法对所述N个三维Gabor幅值特征与所述N个三维Gabor相位特征进行特征融合以确定所述高光谱遥感图像中的地物类别。

第二方面，本发明实施例提供一种高光谱遥感图像分类装置，其特征在于，所述装置包括：

获取模块，用于获取N个预设Gabor滤波器，所述N为正整数；

提取模块，用于基于所述N个预设Gabor滤波器获取高光谱遥感图像的N个三维Gabor幅值特征与N个三维Gabor相位特征；

确定模块，用于利用预设特征融合算法对所述N个三维Gabor幅值特征与所述N个三维Gabor相位特征进行特征融合以确定所述高光谱遥感图像中的地物类别。

可以看出，本发明实施例所提供的技术方案中，首先获取N个预设Gabor滤波器，然后再基于该N个预设Gabor滤波器获取高光谱遥感图像的N个三维Gabor幅值特征与N个三维Gabor相位特征，最后利用预设特征融合算法对所述N个三维Gabor幅值特征与所述N个三维Gabor相位特征进行特征融合以确定所述高光谱遥感图像中地物的所属类别。由于高光谱遥感图像的相位特征包括了丰富的相位特征，并且三维Gabor幅值特征与三维Gabor相位特征互补，所以在本发明实施例中通过融合高光谱遥感图像的三维Gabor幅值特征与三维Gabor相位特征用于确定高光谱遥感图像中的地物类别，提高对高光谱遥感图像的地物分类准确度。

进一步地，由于三维Gabor相位信息对地物的空间位置具有极高的敏感上，所以通过融合高光谱遥感图像的三维Gabor幅值特征与三维Gabor相位特征用于分类，降低了分类鲁棒性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。