本發(fā)明涉及圖像分類(lèi)
技術(shù)領(lǐng)域：
，具體涉及一種分類(lèi)準(zhǔn)確的高光譜圖像數(shù)據(jù)分類(lèi)系統(tǒng)。
背景技術(shù)：
：高光譜遙感又稱(chēng)為成像光譜遙感，它利用很多很窄的電磁波波段從感興趣的物體的反射中獲取有關(guān)數(shù)據(jù)，實(shí)現(xiàn)了遙感技術(shù)光譜分辨率的突破性提高。高光譜遙感與普通遙感的差別在于前者比后者具有更多更細(xì)的譜段，可以形成完整的光譜數(shù)據(jù)。目前，高光譜遙感已經(jīng)成為遙感領(lǐng)域的前沿科技，其中高光譜數(shù)據(jù)分類(lèi)技術(shù)已經(jīng)成為高光譜遙感處理領(lǐng)域的研究熱點(diǎn)。技術(shù)實(shí)現(xiàn)要素：針對(duì)上述問(wèn)題，本發(fā)明旨在提供一種分類(lèi)準(zhǔn)確的高光譜圖像數(shù)據(jù)分類(lèi)系統(tǒng)。本發(fā)明的目的采用以下技術(shù)方案來(lái)實(shí)現(xiàn)：提供了一種分類(lèi)準(zhǔn)確的高光譜圖像數(shù)據(jù)分類(lèi)系統(tǒng)，包括建模模塊、分類(lèi)模塊和評(píng)價(jià)模塊，所述建模模塊采用向量模型表示高光譜圖像數(shù)據(jù)，所述分類(lèi)模塊用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行分類(lèi)，所述評(píng)價(jià)模塊用于對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)；所述向量模型用于將高光譜數(shù)據(jù)中的每個(gè)像元對(duì)應(yīng)著多個(gè)波段的反射值表示為多維空間的一個(gè)向量；所述分類(lèi)模塊包括第一分類(lèi)單元、第二分類(lèi)單元和第三分類(lèi)單元，所述第一分類(lèi)單元用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行初步分類(lèi)，所述第二分類(lèi)單元用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行二次分類(lèi)，所述第三分類(lèi)單元用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行最終分類(lèi)。本發(fā)明的有益效果為：實(shí)現(xiàn)了高光譜圖像數(shù)據(jù)的分類(lèi)和對(duì)分類(lèi)結(jié)果的評(píng)價(jià)，向量模型定量描述了目標(biāo)的光譜輻射特性及其在多維空間中的變化規(guī)律，將每個(gè)像元用多維向量表示，更適合計(jì)算機(jī)進(jìn)行處理，能夠更好地表征地物的分布特性及其變化規(guī)律；分類(lèi)模塊通過(guò)多次分類(lèi)實(shí)現(xiàn)高光譜圖像數(shù)據(jù)的最終分類(lèi)，得到的分類(lèi)結(jié)果更為準(zhǔn)確。附圖說(shuō)明利用附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的結(jié)構(gòu)示意圖；圖2是本發(fā)明分類(lèi)模塊結(jié)構(gòu)示意圖。附圖標(biāo)記：建模模塊1、分類(lèi)模塊2、評(píng)價(jià)模塊3、第一分類(lèi)單元21、第二分類(lèi)單元22、第三分類(lèi)單元23。具體實(shí)施方式結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。參見(jiàn)圖1、圖2，本實(shí)施例的一種分類(lèi)準(zhǔn)確的高光譜圖像數(shù)據(jù)分類(lèi)系統(tǒng)，包括建模模塊1、分類(lèi)模塊2和評(píng)價(jià)模塊3，所述建模模塊1采用向量模型表示高光譜圖像數(shù)據(jù)，所述分類(lèi)模塊2用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行分類(lèi)，所述評(píng)價(jià)模塊3用于對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)；所述向量模型用于將高光譜數(shù)據(jù)中的每個(gè)像元對(duì)應(yīng)著多個(gè)波段的反射值表示為多維空間的一個(gè)向量；所述分類(lèi)模塊2包括第一分類(lèi)單元21、第二分類(lèi)單元22和第三分類(lèi)單元23，所述第一分類(lèi)單元21用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行初步分類(lèi)，所述第二分類(lèi)單元22用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行二次分類(lèi)，所述第三分類(lèi)單元23用于對(duì)高光譜圖像數(shù)據(jù)進(jìn)行最終分類(lèi)。本實(shí)施例實(shí)現(xiàn)了高光譜圖像數(shù)據(jù)的分類(lèi)和對(duì)分類(lèi)結(jié)果的評(píng)價(jià)，向量模型定量描述了目標(biāo)的光譜輻射特性及其在多維空間中的變化規(guī)律，將每個(gè)像元用多維向量表示，更適合計(jì)算機(jī)進(jìn)行處理，能夠更好地表征地物的分布特性及其變化規(guī)律；分類(lèi)模塊通過(guò)多次分類(lèi)實(shí)現(xiàn)高光譜圖像數(shù)據(jù)的最終分類(lèi)，得到的分類(lèi)結(jié)果更為準(zhǔn)確。優(yōu)選的，所述對(duì)高光譜圖像數(shù)據(jù)進(jìn)行初步分類(lèi)采用以下方式進(jìn)行：步驟1：設(shè)高光譜圖像樣本點(diǎn)的向量集為初始類(lèi)別數(shù)目為z，其中，xi表示第i個(gè)樣本點(diǎn)的向量表示，xi均無(wú)標(biāo)簽，m表示x中樣本點(diǎn)的個(gè)數(shù)；步驟2：從高光譜數(shù)據(jù)樣本集x中隨機(jī)選取z個(gè)樣本點(diǎn)作為初始分類(lèi)中心，分別記為初始分類(lèi)結(jié)果記為：初始化迭代次數(shù)k＝0；步驟3：計(jì)算樣本集x中的樣本點(diǎn)到各個(gè)分類(lèi)中心的距離，選擇距離最近分類(lèi)中心所屬的類(lèi)別作為樣本點(diǎn)的分類(lèi)，得到新的分類(lèi)結(jié)果表示第k次迭代中第j類(lèi)樣本點(diǎn)分類(lèi)結(jié)果，重新計(jì)算各個(gè)分類(lèi)的中心：式中，表示中所含樣本點(diǎn)數(shù)量,表示中所含樣本點(diǎn)數(shù)量；步驟4：重復(fù)步驟3，直到達(dá)到最大迭代次數(shù)或者滿足收斂條件，完成分類(lèi)，得到初次分類(lèi)結(jié)果。所述收斂條件為式中，i＝1,2,…,m，j∈[1,z]，表示樣本點(diǎn)xi和分類(lèi)中心之間的距離，距離越小，表示樣本點(diǎn)間的相似程度越大,β為預(yù)先設(shè)定的參數(shù)；采用以下方式計(jì)算：式中，xi和xl表示樣本點(diǎn)。本優(yōu)選實(shí)施例第一分類(lèi)單元采用無(wú)監(jiān)督分類(lèi)的方法對(duì)高光譜數(shù)據(jù)的樣本點(diǎn)進(jìn)行分類(lèi)，獲取了樣本點(diǎn)的分類(lèi)情況，完成了對(duì)不同類(lèi)別的區(qū)分，具體的，在重新計(jì)算各個(gè)分類(lèi)中心時(shí)，考慮了上一次迭代結(jié)果對(duì)本次分類(lèi)的影響，減少了本次數(shù)據(jù)異常對(duì)分類(lèi)結(jié)果帶來(lái)的影響，獲取了更為準(zhǔn)確的分類(lèi)結(jié)果，在設(shè)定收斂條件時(shí)，考慮了兩次迭代差對(duì)于和的相對(duì)值，獲取的分類(lèi)結(jié)果更為精細(xì)，在距離度量過(guò)程中，采用距離來(lái)衡量各個(gè)樣本點(diǎn)的光譜特征相似性，其相似性度量更加符合高光譜圖像數(shù)據(jù)的特性，且該樣本點(diǎn)相似性衡量方式的抗干擾能力較強(qiáng)，受樣本點(diǎn)向量的乘性噪聲干擾小。優(yōu)選的，所述對(duì)高光譜圖像數(shù)據(jù)進(jìn)行二次分類(lèi)采用以下步驟進(jìn)行：步驟1：從樣本集x中隨機(jī)選擇n1個(gè)未標(biāo)簽的樣本點(diǎn)，結(jié)合標(biāo)簽樣本點(diǎn)，構(gòu)造訓(xùn)練樣本集其中，yr表示第r個(gè)樣本點(diǎn)的向量表示，n表示y1中樣本點(diǎn)的個(gè)數(shù)；步驟2：采用第一分類(lèi)單元21對(duì)訓(xùn)練樣本集y1進(jìn)行p次分類(lèi)，每次分類(lèi)類(lèi)別數(shù)均為z，但每次都隨機(jī)選擇初始分類(lèi)中心，得到fp(yr)，fp(yr)表示樣本點(diǎn)yr在第p次分類(lèi)中的分類(lèi)結(jié)果，其中，p＝1,2,…,p；步驟3：根據(jù)訓(xùn)練樣本集y1中樣本點(diǎn)yr和ys在p次分類(lèi)中屬于同一類(lèi)別的次數(shù)，構(gòu)造核函數(shù)k1：式中，[fp(yr)＝＝fp(ys)]用于判斷樣本點(diǎn)yr和ys在第p次分類(lèi)中是否屬于同一類(lèi)別，若是則取1，否則為0；步驟4：利用核函數(shù)k1對(duì)訓(xùn)練樣本集y1進(jìn)行非線性變換，得到用于訓(xùn)練最小二乘支持向量機(jī)分類(lèi)器的訓(xùn)練集，采用訓(xùn)練好的分類(lèi)器對(duì)樣本集x進(jìn)行分類(lèi)，得到二次分類(lèi)結(jié)果。所述第三分類(lèi)單元23采用二次分類(lèi)結(jié)果作為最終分類(lèi)結(jié)果，對(duì)于二次分類(lèi)結(jié)果與初次分類(lèi)結(jié)果不一致的樣本點(diǎn)，采用一次分類(lèi)結(jié)果作為最終分類(lèi)結(jié)果。本優(yōu)選實(shí)施例第二分類(lèi)單元采用無(wú)監(jiān)督分類(lèi)與半監(jiān)督分類(lèi)相結(jié)合的方法對(duì)高光譜圖像數(shù)據(jù)進(jìn)行分類(lèi)，由于標(biāo)簽樣本點(diǎn)的存在，在獲取樣本點(diǎn)分類(lèi)情況的基礎(chǔ)上，獲取了各個(gè)類(lèi)別的屬性。優(yōu)選的，所述對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)采用評(píng)價(jià)函數(shù)進(jìn)行，評(píng)價(jià)函數(shù)采用下式計(jì)算：式中，uij為高光譜圖像數(shù)據(jù)分類(lèi)結(jié)果的混淆矩陣，表示類(lèi)別j被分類(lèi)為類(lèi)別i的樣本數(shù)量，i≠j，t代表類(lèi)別數(shù)量，w表示樣本數(shù)量；zo越小，表明分類(lèi)結(jié)果越準(zhǔn)確。本優(yōu)選實(shí)施例評(píng)價(jià)模塊通過(guò)建立評(píng)價(jià)函數(shù)對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)，評(píng)價(jià)函數(shù)反映了隨機(jī)樣本的分類(lèi)結(jié)果與真實(shí)標(biāo)記類(lèi)別相一致情況,保證了分類(lèi)的準(zhǔn)確性。采用本發(fā)明分類(lèi)準(zhǔn)確的高光譜圖像數(shù)據(jù)分類(lèi)系統(tǒng)對(duì)高光譜圖像數(shù)據(jù)進(jìn)行分類(lèi)，選取5幅高光譜圖像進(jìn)行分類(lèi)試驗(yàn)，并將其編為圖像1、圖像2、圖像3、圖像4和圖像5，對(duì)高光譜圖像數(shù)據(jù)的分類(lèi)時(shí)間和分類(lèi)準(zhǔn)確性進(jìn)行分析，同現(xiàn)有紅外圖像處理系統(tǒng)相比，產(chǎn)生的有益效果如下表所示：分類(lèi)時(shí)間縮短分類(lèi)準(zhǔn)確性提高圖像123％21％圖像225％20％圖像324％25％圖像426％22％圖像524％23％最后應(yīng)當(dāng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。當(dāng)前第1頁(yè)12