基于空‑谱信息的高光谱图像半监督分类方法

摘要

本发明公开了一种基于空‑谱信息的高光谱图像半监督分类方法，该方法将高光谱图像中的光谱信息、空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学的方法作为半监督分类的样本选取策略，将半监督分类得到的初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像，光谱信息的第一主成分分量作为滤波器的参照图像，利用边缘保留滤波器进行局部平滑，消除噪声，然后将像元按照所属概率最大的类别进行划分，完成分类过程。本发明联合光谱信息和空间信息提高了类别的可分性，利用自训练的半监督分类框架解决高光谱图像小样本分类问题，能有效地消除初始分类结果中的斑点状误差，提高分类精度。

主权项

一种基于空‑谱信息的高光谱图像半监督分类方法，其特征在于，包括以下步骤：步骤一，空‑谱信息结合的高光谱图像半监督分类利用主成分分析法和独立成分分析法提取高光谱图像的光谱信息，利用Gabor滤波器组从光谱信息的第一主成分分量中提取高光谱图像的空间信息，将光谱信息和空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法选取出包含信息最丰富的无标签样本扩充到初始训练样本中，以进行初始分类；步骤二，基于边缘保留滤波的分类结果空间优化将初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像以提供类别信息，光谱信息的第一主成分分量作为边缘保留滤波器的参照图像以提供边缘信息，利用边缘保留滤波器在保留图像中原有边缘结构的同时进行局部平滑，从而消除初始分类结果中的斑点状噪声；步骤三，对于待分类的某一像元，将其划分到所属概率最大的一类中，得到最终的分类结果。