欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018115480014
申请人: 辽宁工程技术大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:包括以下步骤:步骤1:读入高光谱遥感影像数据集;

步骤2:按波段对输入的高光谱遥感影像数据进行归一化处理;

步骤3:采用小波核函数将数据从低维原始空间映射到高维特征空间,在特征空间利用局部Fisher判别分析方法对样本数据进行特征提取,具体方法为:步骤3.1:采用小波核函数将原始数据映射到高维特征空间;

步骤3.2:在特征空间采用局部Fisher判别分析方法提取样本数据的特征;

步骤4:将降维后数据集划分为训练数据和测试数据,将训练数据输入SVM分类器,采用交叉验证获得分类器的最优参数值,将测试数据输入到SVM分类器中识别出类别,具体方法为:步骤4.1:将提取特征后的样本数据划分为训练样本和测试样本;

步骤4.2:输入训练样本及其对应的标签,通过交叉验证获取最优参数值,进而构造SVM分类器;

步骤4.3:将测试样本输入到SVM分类器,并利用已学习的各个类别的权重,求得该测试样本对应的类别标签;

步骤5:采用总体分类精度OA和Kappa系数作为评价标准,将多次实施结果的OA和Kappa系数的平均值作为最终结果。

2.根据权利要求1所述的基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:步骤2所述按波段对输入的高光谱遥感影像数据进行归一化处理,如下公式所示:其中,1≤m≤M,1≤n≤N,1≤p≤B,M和N分别表示图像的高度和宽度,B表示图像的波段总数,xp表示第p个波段的全部像素点, 表示第p个波段中位于第m行、第n列的像素。

3.根据权利要求2所述的基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:所述步骤3.1的具体方法为:步骤3.1.1:将Morlet小波函数作为平移不变小波核函数;

步骤3.1.2:计算小波核函数K(xi,xj),具体公式为:其中,h()为小波函数,xi和xj表示图像中任意两个样本点,i,j∈{1,2,...,s},s为样本点总数,样本点xi表示为向量(xi1,xi2,...,xip),样本点xj表示为向量(xj1,xj2,...,xjp),每个样本点具有p个波段,参数μ控制核形状,a为膨胀系数。

4.根据权利要求3所述的基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:所述步骤3.2的具体方法为:步骤3.2.1:计算样本xi和xj之间的相似度Ai,j,如下公式所示:其中,γi和γj分别为xi和xj的局部伸缩,定义为 和 分别为xi和xj的近邻,r是调整因子;

步骤3.2.2:构造两个n阶加权矩阵Wlb和Wlw来保留样本数据的局部空间信息,根据步骤

3.2.1定义的相似度计算两个加权矩阵,第(i,j)个元素的 和 计算公式如下:其中,sl表示第l类样本的总数,l∈{1,2,...,L},L表示类别总数,ci和cj分别表示第i个样本和第j个样本的类别;

步骤3.2.3:利用加权矩阵计算样本之间的局部类间散度矩阵Slb和局部类内散度矩阵Slw,计算公式如下:步骤3.2.4:构造混合散度矩阵Slm表示为:

其中, 是n阶矩阵Wlm的第(i,j)个元素,计算公式如下所示:步骤3.2.5:将Slm转换为矩阵形式Slm=XLlmXT,其中,X为样本数据集矩阵,定义为:lm lm lm lb lb lb lm lb

计算矩阵L =D -W 和L =D -W ,其中,D 和D 为n阶对角矩阵,它们的第i个对角元素分别定义为 和 由Llb=Llm-Llw计算矩阵Llw;

步骤3.2.6:将特征向量问题SlbV=λSlwV转换为XLlbXTV=λXLlwXTV,采用向量 构造转换公式XTV=XXTVα=Kα,其中,V是最优投影矩阵,K是一个n阶矩阵,第(i,j)个元素为将其代入到转换公式后左边乘以XT,得到:KLlbKα=λKLlwKα

其中,λ是广义特征值,α表示对应于Fisher判别方向上的特征向量;

步骤3.2.7:将步骤3.1计算的小波核函数K代入步骤3.2.6得到的公式,求解广义特征值问题,由特征值对应得到的特征向量组成最优投影矩阵V;

步骤3.2.8:根据特征向量和原始数据集计算得到降维后的样本数据集D′={(z1,c1),(z2,c2),…,(zi,ci)},其中, 且1≤q≤p,q为降维后特征数。

5.根据权利要求4所述的基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:所述步骤4.2的具体方法为:步骤4.2.1:选择径向基函数RBF作为SVM分类器的核函数,RBF核的计算公式为:K(zi,zj)=exp(-g||zi-zj||2)步骤4.2.2:将训练样本zi及其对应的类别标签ci作为最终特征输入,通过对如下二次规划问题求解,得到各个类别的权重ωk:其中,K(zi,zj)为满足Mercer定理的正定核函数, 表示拉格朗日乘子,C为惩罚因子;

步骤4.2.3:利用交叉验证寻找惩罚因子C和核宽度参数g的最优值。

6.根据权利要求5所述的基于小波核局部Fisher判别分析的高光谱影像分类方法,其特征在于:步骤4.3所述求得的测试样本对应的类别标签,如下公式所示:其中,y′为测试样本对应的类别标签,bk为常数。