一种高光谱图像特征的并行提取与分类方法

摘要

本发明提出了一种高光谱图像特征的并行提取与分类方法，通过三维空间域以及频域联合分析，对三维和高光谱图像进行并行特征提取，然后对这些特征进行增强和融合，可以充分利用高维数据的丰富信息以及这些特征之间的结构关系，大大减少噪声对准确率的影响。本发明对各种相位、方向、频域以及三维空间编码方法进行深入研究，然后从提取各Gabor特征在方向与频率空间结构关系出发，在联合提取空间‑光谱域和频域的信号变化特征同时，开拓性地将智能算法引入波段选择，从而可以在保证识别准确率的前提下减少冗余信息，提高识别效率，具有较广泛的应用和推广前景。

主权项

一种高光谱图像特征的并行提取与分类方法，其特征在于，所述方法包括以下步骤：A.获取高光图图像；B.对所述高光图图像进行基于三维Gabor小波的空间‑光谱域联合变化的并行特征提取；具体为：给定三维高光谱数据V(x,y,λ)，三维小波分析通过三维Gabor小波函数Ψ_f,θ,φ(x,y,λ)和V(x,y,λ)的内积来同时获得信号的空域和频域信息，其中，参数f为小波的中心频率，φ为该频率在三维频域与w轴的夹角，θ为该频率在三维频域的u‑v平面内投影与u轴的夹角；在采用Gabor小波抽取特征时，需要预先设计多个不同中心频率f_i以及方向的小波然后将其和V(x,y,λ)进行卷积操作，卷积结果代表了在三维空间(x,y,λ)、频率为f_i、方向为的信号变化信息；给定N个三维Gabor小波Ψ_n(n＝1,2,…N)，通过卷积获得N个同样大小的三维数据从三维空间、频域以及方向域三个角度对所述N个三维Gabor特征进行空间编码以及频率、方向编码后，V(x,y,λ)获得K个编码后的特征图像g¹(x,y,λ),…g^k(x,y,λ)…g^K(x,y,λ)；C.结合波段选择对所述步骤B提取的三维Gabor特征进行筛选，通过所述波段选择去除高光谱数据中冗余信息；D.构造并学习基于多视角的高阶Gabor张量，实现三维Gabor特征融合；E.构造核函数实现基于支持向量机的图像分类。