基于条件随机场的超光谱图像分类方法

摘要

本发明公开了一种基于条件随机场的超光谱图像分类方法，其实现步骤为：(1)初始化；(2)输入分别与待分类超光谱图像地物类别分别对应的训练样本集；(3)训练一元势团信息量的参数；(4)训练二元势团信息量的参数；(5)输入待分类的测试数据；(6)确定一元势团信息量的后验概率；(7)确定二元势团信息量的后验概率；(8)信息更新；(9)确定类标。本发明采用条件随机场模型避免了对观测数据的明确建模；既利用了空间邻域信息，又避免了空间邻域信息的复杂建模，具有计算复杂度低，分类准确率高，算法适应性广泛的优点。可应用于遥感图像的地物分类、目标检测及识别、军事侦察等领域。

主权项

一种基于条件随机场的超光谱图像分类方法，包括如下步骤：(1)初始化，对原始数据所有像素值进行初始化，使其满足均值为0、方差为1；(2)输入分别与待分类超光谱图像地物类别分别对应的训练样本集；(3)采用多项式对数归一(MLR)法训练一元势团信息量的参数3a)确定一元势团信息量的黑塞矩阵(Hessian matrix)边界；3b)确定一元势团信息量的梯度矢量(Gradient vector)；3c)确定一元势团信息量的参数；(4)采用多项式对数归一(MLR)法训练二元势团信息量的参数4a)确定二元势团信息量的黑塞矩阵(Hessian matrix)边界；4b)确定二元势团信息量的梯度矢量(Gradient vector)；4c)确定二元势团信息量的参数；(5)输入待分类的测试数据；(6)确定一元势团信息量的后验概率；(7)确定二元势团信息量的后验概率；(8)信息更新，求一元势团信息量后验概率矢量和二元势团信息量后验概率矢量的平均矢量，一元势团信息量的后验概率，表示为L维概率矢量，L为超光谱图像的类别数，二元势团信息量的后验概率，取两相邻像元同属于每一类的概率，表示为L维概率矢量；(9)确定类标9a)从后验概率平均矢量中选取最大值；9b)将最大值对应的类标作为最终类标。