[发明专利]一种多尺度超像素分割的最大信噪比高光谱数据降维方法

权利要求书

1.一种多尺度超像素分割的最大信噪比高光谱数据降维方法，所述方法包括：

步骤1)采用主成分分析对原始高光谱图像数据进行预处理，提取主成分，生成假彩色图；

步骤2)基于设置的超像素分割数目，采用简单迭代线性聚类方法对假彩色图进行分割，得到若干超像素块；

步骤3)对每个超像块素采用最大信噪比方法进行降维，得到低维子空间低维特征；

步骤4)按照原始像元位置排列低维特征，得到原始高光谱图像数据的低维特征表示；

步骤5)采用支持向量机对低维特征表示进行分类，得到预测标签；

步骤6)设置不同尺度的超像素分割数目，重复步骤2)-步骤5)，得到多组预测标签；

步骤7)采用最大投票方法，从多组预测标签中确定每个像元的最终预测标签；

所述步骤1)具体包括：

对原始高光谱图像数据所有像元的每个光谱通道特征X进行规范化处理，得到每个像元的规范化特征Y；

计算协方差矩阵cov(Y,Y^T)：

其中，n为样本个数；

通过特征值分解法得到协方差矩阵cov(Y,Y^T)的特征值λ和特征向量ν；

对特征值λ从大到小排列，选择其中最大的3个特征值，分别为λ₁,λ₂,λ₃；将λ₁,λ₂,λ₃对应的特征向量ν₁,ν₂,ν₃，分别作为行向量组成特征向量矩阵P；

将规范化特征Y通过特征向量矩阵P转化到低维空间，得到低维特征表示Z，

Z＝PY

从而得到假彩色图；

所述步骤4)具体为：按照所述原始高光谱图像位置，排列低维特征H_k,k＝1,…,K,得到所述原始高光谱图像的低维特征H＝{H₁,…,H_K}，其中K表示所有超像素个数。

2.根据权利要求1所述的多尺度超像素分割的最大信噪比高光谱数据降维方法，其特征在于，所述步骤2)具体包括：

步骤201)设置超像素分割数目为K，对假彩色图像均匀取K个像素作为初始化聚类中心，则相邻聚类中心距离为：

其中，N为假彩色图像的像素值；

步骤202)以初始聚类中心为中心的3×3邻域内重新优化聚类中心，并将像素搜索范围限制为2S×2S,进行搜索；

对于每个搜索到的像素点I_i,分别计算该像素点和聚类中心I₀间的颜色距离d_c和空间距离d_s，

其中，(l₀,a₀,b₀),(l_i,a_i,b_i)分别代表像素点I₀和I_i对应的三基色数值；

其中，(x₀,y₀),(x_i,y_i)分别代表像素点I₀和I_i在假彩色图像中对应的空间坐标；

由下式计算得到该像素点和聚类中心间的度量距离D：

其中，m为固定常数；

步骤203)以每个像素为中心,2S×2S范围内搜索聚类中心，计算该像素与每个聚类中心的度量距离，取距离最短的聚类中心作为该像素的聚类中心；

重复该步骤，不断迭代，直到每个像素的聚类中心不再发生变化，最终得到K个超像素；

步骤204)建立一张标记表,初始值均设置为-1,按照“Z”型走向将不连续的超像素,尺寸小于一定阈值的超像素重新分配给邻近的超像素,遍历过的超像素点分配给相应的标签,直到遍历完所有超像素点为止，从而得到若干超像素块。