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<sub>f,θ,φ</sub>(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<sub>i</sub>以及方向<img file="FDA0001006086620000013.GIF" wi="127" he="68" />的小波<img file="FDA0001006086620000011.GIF" wi="875" he="99" />然后将其和V(x,y,λ)进行卷积操作,卷积结果<img file="FDA0001006086620000012.GIF" wi="558" he="67" />代表了在三维空间(x,y,λ)、频率为f<sub>i</sub>、方向为<img file="FDA0001006086620000014.GIF" wi="126" he="67" />的信号变化信息;给定N个三维Gabor小波Ψ<sub>n</sub>(n=1,2,…N),通过卷积获得N个同样大小的三维数据<img file="FDA0001006086620000015.GIF" wi="372" he="62" />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g<sup>1</sup>(x,y,λ),…g<sup>k</sup>(x,y,λ)…g<sup>K</sup>(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。 |