发明名称 |
一种基于形态学特征和字典学的高光谱图像分类方法 |
摘要 |
本发明公开了一种基于形态学特征和字典学的高光谱图像分类方法,包含如下步骤:高光谱图像形态学特征提取;字典学过程;特征编码;图像分类。本发明应用在高光谱图像分类领域,本发明充分考虑了高光谱图像中的空间信息结构关系,并且基于空间关系信息构建高层语义映射,获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务,消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题,在高光谱图像分类上有着显著的效果,因此本发明具有较高的使用价值。 |
申请公布号 |
CN106203510A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610544083.X |
申请日期 |
2016.07.11 |
申请人 |
南京大学 |
发明人 |
杨育彬;王喆正 |
分类号 |
G06K9/62(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
江苏圣典律师事务所 32237 |
代理人 |
胡建华 |
主权项 |
一种基于形态学特征和字典学习的高光谱图像分类方法,其特征在于,包含以下步骤:步骤1,对高光谱图像提取形态学特征作为底层形态学特征:输入含有待分类像素点的高光谱图像I,对高光谱图像I的每个像素利用数学形态学方法计算该像素的形态学特征F;步骤2,对获得的底层形态学特征,利用k‑均值无监督聚类方法学习一个过完备的字典;步骤3,利用学习到的字典对高光谱图像I的每一个像素点的底层形态学特征进行编码,获得编码特征;步骤4,对高光谱图像I中的编码特征进行采样并分类,有标签的像素点数据作为训练数据集,无标签的像素点数据作为待分类数据集;步骤5,将训练数据集中的像素点数据的编码特征表示使用支持向量机建立分类模型;步骤6,利用分类模型对待分类数据集中的像素点数据进行分类,得到像素点对应的分类类标,完成图像分类任务。 |
地址 |
210023 江苏省南京市栖霞区仙林大道163号南京大学 |