基于高斯过程分类器协同训练算法的高光谱图像分类方法

摘要

本发明提出了一种基于高斯过程分类器协同训练算法的高光谱图像分类方法，它属于图像处理技术领域，主要解决现有技术在高光谱数据有标记样本个数较少时，分类精度不够高的问题。其实现过程为：首先将样本的特征向量随机划分成个两个子特征向量，将这两个子特征向量作为样本的两个视角；然后利用部分无标记样本和已有有标记样本的这两个视角进行高斯过程分类器协同训练，得到两个最终高斯过程分类器；利用这两个最终高斯过程分类器对所有无标记样本的两个视角分别进行标记，并把概率较大的类别标记作为该无标记样本的分类结果。本发明应用于高光谱图像分类，在有标记样本个数少的情况下，能显著提高分类正确率。

主权项

一种基于高斯过程分类器协同训练算法的高光谱图像分类方法，包括：（1）输入高光谱图像，该高光谱图像包含无标记样本和m类有标记样本，其中，m≥2，每一个样本由一个特征向量表示，从所有无标记样本中选取z个无标记样本构成协同训练使用的无标记样本集合U；（2）将每一个样本的特征向量随机划分成两个子特征向量，将这两个子特征向量分别作为样本的两个视角，记为第一视角和第二视角；（3）利用第一视角和第二视角进行高斯过程分类器协同训练：3.1）从协同训练使用的无标记样本集合U中随机选出n个无标记样本，构成待标记样本集合Vi，余下的(z‑n)个无标记样本构成侯选样本集合Hi，并将所有m类有标记样本组成有标记样本集合Li，其中，i表示迭代次数，初始化为i=1；3.2）利用上述有标记样本集合Li中每个样本的第一视角，采用拉普拉斯近似推导方法构造高斯过程分类器h1i；3.3）利用高斯过程分类器h1i对待标记样本集合Vi中待标记样本的第一视角进行标记，得到所有待标记样本的类别标记及其隶属于此类别的概率，并从该类别标记中选出m个隶属于每一类概率最大的类别标记，将该每一类概率最大的类别标记连同其相对应的m个待标记样本，加入到有标记样本集合Li中，得到更新的有标记样本集合Li′，并将上述m个待标记样本从待标记样本集合Vi中删除，得到更新的待标记样本集合Vi′；3.4）利用更新的有标记样本集合Li′中每个样本的第二视角，采用拉普拉斯近似推导方法构造高斯过程分类器h2i；3.5）利用高斯过程分类器h2i对更新的待标记样本集合Vi′中待标记样本的第二视角进行标记，得到所有待标记样本的类别标记及其隶属于此类别的概率，从该类别标记中选出m个隶属于每一类概率最大的标记，将该每一类概率最大的类别标记连同其相对应的m个待标记样本，加入到上述更新的有标记样本集合Li′中，得到有标记样本集合Li+1，并将上述m个待标记样本从更新的待标记样本集合Vi′中删除，得到二 次更新的待标记样本集合Vi″；3.6）从候选样本集合Hi中选取p个样本，加入到二次更新的待标记样本集合Vi″中，得到待标记样本集合Vi+1，并将这p个样本从候选样本集合Hi中删除，得到候选样本集合Hi+1，其中，p≥2m；3.7）更新变量i=i+1；3.8）判断侯选样本集合Hi是否为空集，如果为空集则结束迭代，将此时的两个高斯过程分类器分别记为最终高斯过程分类器h1d，h2d，其中，d为迭代结束时i的值，然后执行步骤（4），如果Hi不为空集转至步骤3.2）；（4）利用最终高斯过程分类器h1d和h2d，对高光谱图像中每个无标记样本的第一视角和第二视角分别进行标记，得到其类别标记及其隶属于此类别的概率，并把隶属于此类别概率较大的类别标记作为该无标记样本的最终分类结果。