[发明专利]一种面向高光谱影像中地物的半监督自动标记方法与装置

权利要求书

1.一种面向高光谱影像中地物的半监督自动标记方法，包括以下步骤：

A、在CHRIS卫星采集的黄河口高光谱影像数据中，每种地物的特征反映在18个波段108维数据中，采用t-SNE降维算法将108维数据降为2维，用2维数据融合了108维数据所反映的地物特征。

B、采用无监督聚类算法--基于局部密度的快速聚类算法，对降维后的2维数据进行自动聚类，将具有相同特征的数据聚为一类，包含多种地物的黄河口数据聚为多类。

C、将每一类数据与已标记数据进行匹配。若每个地物的已标记数据不属于同一类，则重新设置聚类参数，继续聚类直到每一地物的已标记数据在聚类结果的同一类中。

D、将包含每一类已标记地物的数据，通过MATLAB矩阵转换运算找到该类数据对应黄河口图像像素坐标，对每一类地物进行全部自动标记。

2.根据权利要求1所述的一种面向高光谱影像中地物的半监督自动标记方法，其特征在于，所述的步骤B中，所述的多类数据是指：通过无监督快速聚类算法将CHRIS高光谱影像数据自动划分成差异性较大的几类数据集，此时多类数据可能属于同一地物，可能一类数据由多种地物数据构成。

3.根据权利要求1所述的一种面向高光谱影像中地物的半监督自动标记方法，其特征在于，所述的步骤C中，所述的调整聚类参数是指：调整最短距离参数与最小点个数参数大小。

4.根据权利要求1所述的一种面向高光谱影像中地物的半监督自动标记方法，其特征在于，所述的步骤D中，所述的MATLAB矩阵运算是指：将mat矩阵数据还原成CHRIS高光谱图像。

5.一种面向高光谱影像中地物的半监督自动标记装置，包括以下模块：

CHRIS高光谱影像数据降维模块：在CHRIS卫星采集的黄河口高光谱影像数据中，每种地物的特征反映在18个波段108维数据中，采用t-SNE降维算法对108维数据进行降维，将CHRIS黄河口数据降为2维，用2维数据融合了108维数据所反映的地物特征。

多类数据获取模块：采用无监督聚类算法--基于局部密度的快速聚类算法，对降维后的2维数据进行自动聚类，将具有相同特征的数据聚为一类，包含多种地物的黄河口数据聚为多类。

已标记数据类别匹配模块：将每一类数据与已标记数据进行匹配。若每个地物的已标记数据不属于同一类，则重新设置聚类参数，调整最短距离参数与最小点个数参数大小，继续聚类直到每一地物的已标记数据在聚类结果的同一类中。

地物数据自动标记模块：将包含每一类已标记地物的数据，通过MATLAB矩阵转换运算，即将mat矩阵数据还原成CHRIS高光谱影像，找到该类数据对应黄河口图像像素坐标，对每一类地物进行全部自动标记。