基于边界点重分类的高光谱图像分类方法

摘要

本发明提出了一种基于边界点重分类的高光谱图像分类方法，克服了现有的融合空间信息和谱信息分类方法分类时对边界点的误分类。本发明具体实现的步骤为：(1)输入数据；(2)获取聚类图；(3)获取基于光谱信息的分类图；(4)获取空域-谱域分类图；(5)修正空域-谱域分类图中的分类错误；(6)选取边界点；(7)边界点进行分类；(8)更正边界点的分类类标(9)输出最终分类图。本发明有效地纠正在现有技术中导致的边界点分类错误，提高高光谱图像分类的精确度。

主权项

一种基于边界点重分类的高光谱图像分类方法，包括如下步骤：(1)输入数据：(1a)输入一幅待分类的高光谱图像；(1b)输入与待分类的高光谱图像对应的人工标记的样本集；(2)获取聚类图：采用迭代自组织数据分析法IOSDATA，对待分类的高光谱图像进行聚类操作，由待分类的高光谱图像的空域信息，得到待分类的高光谱图像的空域聚类图；(3)获取基于光谱信息的分类图：采用有监督的支撑向量机SVM，对待分类的高光谱图像进行分类，得到待分类的高光谱图像的谱域分类图；(4)获取空域‑谱域分类图：采用多数投票Majority‑Voting方法，整合空域聚类图和谱域分类图的信息，得到空域‑谱域分类图；(5)修正空域‑谱域分类图中的分类错误：采用后期归整Post‑Regulation方法，对空域‑谱域分类图进行修正，修正因噪声引起的分类错误，得到修正后的分类图；(6)选取边界点：比较修正后的分类图中各个像素点的类标与各自8邻域像素点类标的异同，将类标与8邻域中的各个类标均不相同的像素点定义为边界点；(7)边界点分类：采用多类别不确定性MCLU方式的主动学习方法，对边界点进行分类，得到边界点分类的类标；(8)更正边界点的分类类标：用边界点分类的类标替代修正后的分类图中的边界点的类标，得到最终的分类图；(9)输出最终的分类图。