[发明专利]基于多波段熵率超像素分割的高光谱图像分类方法

权利要求书

1.一种基于多波段熵率超像素分割的高光谱图像分类方法，其特征在于，包括如下步骤：

(1)对高光谱图像进行多波段熵率超像素分割：

(1a)输入一幅包含K类不同地物的高光谱图像和对应的标签图其中，K≥2，表示空间符号，m表示X和Y行像素点个数、n表示X和Y列像素点个数，b表示X的光谱波段数；

(1b)在量化区间[0,L]内对X中第i个光谱波段的二维图像中每个像素点的值x_p,q进行均匀量化，得到均匀量化后的二维图像X′_i，其中，i∈[1,b]，x_p,q的均匀量化公式为：

其中，x_p,q表示图像X_i第p行第q列像素点的值，p∈[1,m]，q∈[1,n]，x′_p,q表示x_p,q均匀量化的值，min(·)表示取最小值操作，max(·)表示取最大值操作，ceil(·)表示向下取整操作；

(1c)对每个二维图像X′_i进行熵率超像素分割，得到C个超像素U_i＝{u_i1,u_i2,...,u_ij,...,u_iC，}，j∈[1,C]，并将u_ij中所有像素点的值设为j，得到每个二维图像X′_i对应的二维分割标签图像S_i，然后将b个二维分割标签图像组合成分割标签图像其中，u_ij表示第j个超像素；

(2)获取训练集和测试集：

(2a)对高光谱图像X和分割标签图像S分别进行标准化处理，并对标准化后的X和标准化后的S分别沿光谱维度方向进行降维，得到预处理后的高光谱图像和预处理后的分割标签图像其中，b₁表示X′的通道数，b₂表示S′的通道数，1≤b₁+b₂≤b；

(2b)沿光谱维度方向对X′与S′进行组合，得到组合图像

(2c)采用分层抽样方法从X″中随机抽取w个像素点组成训练集X_train＝{x₁,x₂,...,x_t,...,x_w}，并从标签图Y中取出对应的w个像素点组成训练标签集Y_train＝{y₁,y₂,...,y_t,...y_w}，将X″中剩余的m×n-w个像素点作为测试集X_test，其中，w≤m×n，t∈[1,w]，x_t表示X_train中第t个样本，y_t表示x_t对应的标签，y_t∈[1,K]；

(3)对多分类支持向量机分类器进行训练：

(3a)初始化数量与高光谱图像X地物类别K相同的多二分类支持向量机分类器M＝{M₁,M₂,...,M_k...,M_K}，每个二分类支持向量机分类器M_k的核函数为径向基核函数，其中，k∈[1,K]；

(3b)对训练标签集Y_train中的每个标签y_t进行二值化，得到二值化后的训练标签集并将X_train和作为每个二分类支持向量机分类器M_k的输入，通过径向基核函数对X_train中的每两个样本x_t与x_t′进行内积计算，得到内积集合D_train＝{d_t,t′|1≤t≤w,1≤t′≤w}，并通过D_train和对M_k的支持向量集进行求解，得到训练好的多分类支持向量机分类器M′，其中，d_t,t′表示对x_t与x_t′的内积，x_t′表示X_train中第t′个样本，y_t的二值化公式为：

其中，表示y_t二值化后的训练标签；

(4)获取高光谱图像的分类结果：

将测试集X_test作为训练好的多分类支持向量机分类器M′的输入进行分类，得到测试集X_test中每个测试样本的标签。