基于半监督核自适应学的遥感高光谱图像分类方法

摘要

基于半监督核自适应学的遥感高光谱图像分类方法，它涉及一种遥感高光谱图像的分类方法，它解决了目前遥感高光谱图像分类方法存在分辨率低的问题。本发明的过程为：判定高光谱图像训练样本集的标注形式，获得优化目标函数，然后获得最优参数或数据依赖核参数；根据获得的参数，得到不变结构或变结构的最优核函数，进而获得最优半监督分类器，利用该分类器即可实现对实测遥感高光谱图像的分类。本发明能够准确地对遥感高光谱图像的端元进行分类，提高了遥感高光谱图像的分辨率，能够应用于地形军事目标侦察、高效的战事打击效果评估、海军潜艇实时海上环境监测、突发自然灾害的应急响应技术领域。

主权项

基于半监督核自适应学习的遥感高光谱图像分类方法，其特征在于它的过程如下：步骤一、对高光谱图像训练样本集的标注形式进行判定：若标注形式为类标签信息，则执行步骤二；若标注形式为边信息，则执行步骤三；步骤二、对高光谱图像训练样本集中的所有样本进行标注，然后利用Fisher准则和最大间隔准则获得优化目标函数，然后通过基于遗传算法的自适应寻求算法对获得的优化目标函数进行计算，获得最优参数，然后执行步骤四；步骤三、对高光谱图像训练样本集中的所有样本进行标注，然后利用全局流形保持设计准则获得优化目标函数，然后通过基于拉格朗日方法的自适应寻求算法对获得的优化目标函数进行计算，获得数据依赖核参数，然后执行步骤四；步骤四、根据具体应用情况判断核函数的结构类型：若结构类型为不变结构，则执行步骤五；若结构类型为变结构，则执行步骤六；步骤五、获得不变结构的最优核函数，然后执行步骤七；步骤六、获得变结构的最优核函数，然后执行步骤七；步骤七、根据获得的最优核函数，获得最优半监督分类器；利用获得的最优半监督分类器，对实测遥感高光谱图像进行分类，获得该遥感高光谱图像的类别。