[发明专利]提升光谱图像监督分类性能的样本扩充与一致性判别方法

摘要

本发明公开了一种提升光谱图像监督分类性能的样本扩充与一致性判别方法，包括以下步骤：构造形状匹配模板库；计算单个训练样本的邻域相似度矩阵；使用模板库对相似度矩阵进行匹配，并根据匹配度选取最佳匹配模板；根据最佳匹配模板扩充训练样本；使用扩充后的训练集训练监督分类器；计算测试样本的邻域预测矩阵；使用模板库对邻域预测矩阵进行匹配，并根据一致性度量计算最佳判别结果。本发明通过形状模板匹配有效扩充监督样本，利用模板库与分类预测矩阵一致性判别改善分类结果的局部聚集性，大幅提升监督分类器的精度，提升了小样本监督分类算法的鲁棒性，可适用于任何监督分类器。

主权项

1.一种提升光谱图像监督分类性能的样本扩充与一致性判别方法，其特征在于，包括以下步骤：第一步，构造形状匹配模板库，即构造若干大小为d×d的形状匹配模板，作为模板库；第二步，计算单个训练样本的邻域相似度矩阵，即截取以该训练样本为中心的d×d邻域像元块，并计算其邻域像元与中心像元的相似度，将相似度顺序排列成矩阵形式作为该训练样本的邻域相似度矩阵；第三步，使用模板库对相似度矩阵进行匹配，并根据匹配度选取最佳匹配模板；第四步，将最佳匹配模板所覆盖的像元划归到与中心像元同类别训练集中；第五步，使用扩充后的训练集训练监督分类器；第六步，计算测试样本的邻域预测矩阵，即选取以该测试样本为中心的d×d邻域像元块并分别预测其中每个像元的类别，将预测类别顺序排列成矩阵形式作为该样本的邻域预测矩阵；第七步，使用模板库对邻域预测矩阵进行匹配，并根据一致性度量计算最佳判别结果，即依次计算邻域预测矩阵与模板库中各模板匹配所对应各类别的一致性度量，选取最大值所对应类别作为该样本的最终判别结果。