[发明专利]基于分层集成学习的高光谱遥感图像分类方法

摘要

基于分层集成学习的高光谱遥感图像分类方法，属于高光谱遥感图像分类技术领域。本发明是为了解决高光谱遥感图像数据的分类精度低的问题。它主要是使用两层的集成结构对高光谱图像进行分类，分别是内层结构和外层结构；内层结构是通过随机波段选择构成存在差异的光谱集合；之后以光谱集合为单位，分别使用Adaboost的集成方法来训练，再对测试样本进行分类；外层结构是将内层集成中各个光谱集合的分类结果进行整合，采用权重投票的方法确定样本的最终类别；最后是将整幅图像作为测试样本，实现全图分类从而得到分类主题图。本发明用于对高光谱遥感图像分类。

主权项

一种基于分层集成学习的高光谱遥感图像分类方法，其特征在于，它包括以下步骤：步骤一：读取高光谱原始数据，对其进行预处理，获得监督数据，然后根据监督数据确定标记样本，并由标记样本中选择训练样本和测试样本；步骤二：对高光谱原始数据的所有的光谱波段，进行随机的波段选择，然后从每一个标记样本中抽取像素向量组合，该像素向量组合中每一个像素向量包含的波段数目与所述随机的波段数目一一对应，形成一个光谱集合；重复随机的波段选择过程并形成对应的光谱集合，构成多个存在差异的光谱集合；步骤三：以每个光谱集合为单位，使用训练样本训练Adaboost集成框架的内层结构，再对测试样本进行分类，获得由Adaboost框架构成的内层集成；步骤四：由步骤三中测试样本的分类结果及分类精度，构造Adaboost集成框架的外层结构；步骤五：采用具有上述内层结构和外层结构的Adaboost集成框架对高光谱原始数据采用遍历方式进行分类，获得分类主题图。