[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

说明书

本发明公开了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，该方法包括：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；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；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；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；采用支持向量机对低维特征表示进行分类，得到预测标签；设置不同尺度的超像素分割数目，重复上述步骤，得到多组预测标签；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。

技术领域

本发明涉及遥感图像处理领域，特别涉及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。

背景技术

高光谱数据在农业、矿物学、监测、天文学、环境科学等诸多遥感应用中发挥着重要作用。

高光谱数据量大，包含地物信息丰富，但谱间相关性强，存在信息冗余，在实际应用中，直接利用全部数据，不但会增加数据处理耗时，而且容易导致像元错分。因此，对高光谱数据降维是高光谱图像处理的一个重要环节。

最大信噪比是一种以最大化信号和噪声比为衡量准则的线性变换。在实现数据降维过程中对噪声进行了分离。本质上是进行两次主成分变换。首先，利用高通滤波对整幅影像或具有同一性质的影像数据进行滤波处理，得到噪声协方差矩阵；然后，对原始影像的协方差矩阵进行主成分分析；最后，结合第一步得到的噪声协方差矩阵，完成整个降维过程。

然而，上述高光谱数据降维方法对不同地物区域均采用统一的投影变换，忽略了高光谱数据空间相关性。

发明内容

本发明的目的在于克服现有技术缺陷，提出了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。

本发明提出了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。

作为上述方法的一种改进，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；