[发明专利]基于关键通道保护和谱聚类的超光谱图像谱间排序方法在审
申请号: | 202111449378.6 | 申请日: | 2021-11-30 |
公开(公告)号: | CN114120020A | 公开(公告)日: | 2022-03-01 |
发明(设计)人: | 陈浩;卢俊宏 | 申请(专利权)人: | 哈尔滨工业大学 |
主分类号: | G06V10/762 | 分类号: | G06V10/762;G06V10/74 |
代理公司: | 哈尔滨华夏松花江知识产权代理有限公司 23213 | 代理人: | 岳昕 |
地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 关键 通道 保护 谱聚类 光谱 图像 排序 方法 | ||
1.基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于包括以下步骤:
步骤一:获取光谱间线性相关性矩阵R;
步骤二:根据物理分段特性对光谱间线性相关性矩阵R加权并归一化得到相似性矩阵W;
步骤三:选取感兴趣关键通道;
步骤四:根据相似性矩阵W并采用层次聚类方法得到通道分组,然后设定阈值,并将分组中通道数小于阈值的分组中的通道设定为特异通道,然后将所有通道减去关键通道和特异通道后得到普通通道;
步骤五:根据相似性矩阵W分别对关键通道、特异通道和普通通道进行代表通道选取,得到关键通道代表通道、特异通道代表通道和普通通道代表通道;
步骤六:按照关键通道的代表通道,普通通道的代表通道,关键通道,普通通道,特异通道的代表通道,特异通道的顺序输出光谱排序;
步骤七:利用上述光谱排序完成超光谱压缩。
2.根据权利要求1所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述步骤一中获取光谱间线性相关性矩阵R通过Pearson线性相关系数得到。
3.根据权利要求2所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述层次聚类方法中类间距离度量采用最近距离。
4.根据权利要求3所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述步骤三中关键通道为温湿度敏感通道。
5.根据权利要求4所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述温湿度敏感通道通过信息量迭代选择信息量占比达到99%的光谱通道得到。
6.根据权利要求5所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述光谱间线性相关性矩阵R表示为:
其中,fi(x,y)和fj(x,y)为第i和第j个通道在空间位置(x,y)处的像素灰度值,μi和μj为第i和第j个通道图像的灰度值均值,Rij表示第i个通道第j个通道的线性相关性,M,N为单通道图像fi的行数、列数,μi和μj分别表示为:
7.根据权利要求6所述的基于关键通道保护和谱聚类的超光谱图像谱间排序方法,其特征在于所述相似性矩阵W表示为:
其中max()表示所有矩阵元素中的最大值,Wij代表经过先验的物理分段特性信息加权后的第i个通道第j个通道的相关性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111449378.6/1.html,转载请声明来源钻瓜专利网。