[发明专利]一种基于多尺度超像元分割的高光谱图像分类方法

权利要求书

1.一种基于多尺度超像元分割的高光谱图像分类方法，其特征在于包括：

设置多尺度处理框架模型、采用简单线性迭代聚类算法对超像元进行分割获得超像元分割图像集合；

将原始图像与超像元分割图像集合进行光谱-空间特征融合获得多组融合图像；

采用支持向量机对每组融合图像进行分类得到分类图像集合；

采用主投票法对分类图像集合的分类结果进行决策融合得到最终分类结果；

通过设定像元间的距离计算方式中不同的分割尺度参数d设计多尺度处理框架模型；

所述将原始图像与超像元分割图像集合进行光谱-空间特征融合时过计算分割图像中每块超像元对应原图位置的像元的均值向量，将该均值向量作为融合后图像中对应位置的像元值，从而完成光谱-空间特征的融合。

2.根据权利要求1所述的方法，其特征还在于：所述采用简单线性迭代聚类算法SLIC对超像元进行分割时具体采用如下方式：

在原始图像中选取若干个聚类中心，计算并衡量不同像元距各个聚类中心的距离，将各像元关联至距离最近的聚类中心生成不同的聚类簇，计算每个聚类簇的均值向量，将该均值向量更新为各聚类簇的新聚类中心，当新聚类中心与原聚类中心位置一致时，则完成分割，否则返回进行下一次象元间的距离衡量和聚类，完成新的聚类中心更新，如此循环最终输出分割结果图像。

3.根据权利要求2所述的方法，其特征还在于：采用简单线性迭代聚类算法SLIC在衡量像元间的距离时，其中衡量的搜索范围是在各个超像元定义的局部区域范围内，其中像元间的距离计算方式为：

其中D_spectral表示光谱距离项，具体定义为：

其中和表示像元x_i和x_j在第b个波段的值，B表示波段总数；

其中D_spatial表示空间距离项，具体定义为：

其中(a_i,b_i)和(a_j,b_j)表示像元x_i和x_j在超像元中的位置，公式(1)中，m是平衡空间和颜色信息的比重参数，d＝N/C表示分割尺度参数，N表示像元总数，C表示超像元尺寸参数。

4.根据权利要求1所述的方法，其特征还在于：所述主投票法的方式为：统计各尺度分类结果图像中各像元位置出现次数最多的类别，其中主投票法的具体表示形式为：

其中y_i表示像元x_i的最终分类结果，表示在分割尺度参数为d时，所判定的像元x_i的类别，mod是众数函数，表示将中出现次数最多的类别赋值给y_i。