[发明专利]一种图像融合分类的方法及装置

说明书

本发明提供了一种图像融合分类的方法及装置，所述方法包括：利用支持向量机分类器获得高光谱图像的三维权重矩阵；对所述高光谱图像进行超像素分割，以得到K个超像素图，其中，K为正整数；利用所述超像素图的分割法所述三维权重矩阵进行正则化以获得正则矩阵；根据所述正则矩阵确定样本所属的类别。通过使用本发明提供的方法，能够避免超像素个数的估计问题，进一步的，通过级联的方式融合不同超像素图包含的地物空间结构信息，显著提升了特征的判别力。

技术领域

本发明涉及计算机领域，具体涉及了一种图像融合分类的方法及装置。

背景技术

随着计算机视觉领域中图像分割技术的进步，超像素提取能够提供观测对象的空间同质化表征，从而为高光谱图像分析提供了重要的地物信息描述手段。

具体来说，超像素是指包含了多个像素的同质化区域，由于地物分布往往具有一定的规整性，因此基于超像素分割的高光谱图像可以更好的挖掘其邻域像素之间的相互关系。目前，使用超像素作用于高光谱图像分类的方法主要分为两大类：前处理和后处理。在前处理中，主要是利用超像素信息来得到空间-光谱特征，从而进一步指导后续分类；在后处理中，超像素分割图主要作为一种辅助决策的手段来融合分类结果。然而，在已有使用超像素的方法中，都存在一个巨大的缺陷，即提取的超像素个数难以得到精确估计。

发明内容

本发明实施例提供了一种智能图像融合分类的方法及装置，通过使用本发明提供的方法，能够避免超像素个数的估计问题，进一步的，通过级联的方式融合不同超像素图包含的地物空间结构信息，显著提升了特征的判别力。

本发明第一方面公开了一种智能图像融合分类的方法，所述方法包括：

利用支持向量机分类器获得高光谱图像的三维权重矩阵；

对所述高光谱图像进行超像素分割，以得到K个超像素图，其中，K为正整数；

利用所述超像素图的分割法所述三维权重矩阵进行正则化以获得正则矩阵；

根据所述正则矩阵确定样本所属的类别。

其中，可选的，所述利用支持向量机分类器获得高光谱图像的三维权重矩阵，包括：

步骤21对训练样本集A，使用所述支持向量机方法进行模型训练，以得到概率输出模型Model；

步骤22，使用所述概率输出模型Model对任意测试样本g进行类别概率输出，得到g属于每一个类的权重概率；

步骤23，对高光谱图像中的所有样本重复步骤22，得到所述高光谱图像中所有样本的三维权重矩阵。

其中，可选的，所述对所述高光谱图像进行超像素分割，以得到K个超像素图，包括：

利用熵率超像素分割法对所述高光谱图像进行超像素分割以得到K个超像素图。

其中，可选的，所述利用所述超像素图的分割法所述三维权重矩阵进行正则化以获得正则矩阵，包括：

步骤41，对每一个超像素S_k进行判断；如果S_k仅包含训练样本集A中属于类别c的一个样本，则向量u∈i^c×1中，u_c＝1，其余原素均为零，并置U_k中的每一个列向量等于u；反之，计算U_k关于每一行的均值，得到向量u，并除以该超像素中像素的个数，进一步置U_k中的每一个列向量等于u。

步骤42，在对所有超像素执行步骤41后，得到正则矩阵U。

其中，可选的，所述根据所述正则矩阵确定样本所属的类别，包括：

将所述正则矩阵融入分类矩阵；