專利名稱：基于參考圖互信息波段選擇和emd的高光譜圖像分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感領(lǐng)域的高光譜圖像分類方法，具體涉及一種基于參考圖互信息波段選擇和經(jīng)驗(yàn)?zāi)B(tài)分解的高光譜圖像分類方法。
背景技術(shù)：
高光譜遙感圖像具有高的光譜分辨率，能為每個(gè)像元提供幾乎連續(xù)的地物光譜曲線。因此，高光譜遙感能夠反演陸地細(xì)節(jié)。目前，高光譜圖像已有廣泛的應(yīng)用。由于高光譜成像光譜儀在輻射能量傳輸過程中，容易受大氣分子散射和吸收、氣溶膠的散射和吸收、地表散射、地形等影響，導(dǎo)致高光譜數(shù)據(jù)的光譜形狀會發(fā)生扭曲，從而引入各種噪聲。另外，高光譜傳感器通過同時(shí)采樣數(shù)百個(gè)高分辨率、連續(xù)光譜波段圖像來觀測地表，導(dǎo)致高光譜數(shù)據(jù)是一個(gè)富含冗余信息的高維數(shù)據(jù)。高光譜數(shù)據(jù)的這兩個(gè)特點(diǎn)都給分類帶來了重大挑戰(zhàn)。因此，研究高光譜數(shù)據(jù)的冗余信息處理和特征提取是十分必要的。 高光譜數(shù)據(jù)冗余信息處理的常用方法是波段選擇。波段選擇是指在一定準(zhǔn)則下，挑選出那些能夠代表原始數(shù)據(jù)信息的波段光譜圖像，約減掉那些影響分類性能和效率的冗余特征。波段選擇的早期準(zhǔn)則有Bayes誤差、Bhattacharyya距離、Chernoff距離、Jeffreys-Matusita距離等。這些準(zhǔn)則都是基于兩分類問題，并且要求輸入數(shù)據(jù)滿足高斯分布。對于非高斯分布、多分類問題的高光譜數(shù)據(jù)，這些準(zhǔn)則很難作為波段選擇的準(zhǔn)則。對此，Battiti等人提出了基于互信息(Mutual Information, Ml)的波段選擇?；バ畔o需假設(shè)數(shù)據(jù)服從任何分布，因而在高光譜數(shù)據(jù)波段選擇上面具有明顯的潛力和優(yōu)勢。經(jīng)驗(yàn)?zāi)B(tài)分解方法(Empirical Mode Decomposition, EMD)是由美國國家航空航天管理局(National Aeronautics and Space Administration, NASA)的黃傳博于 1998 年提出的一種非平穩(wěn)、非線性信號的有效方法。EMD利用信號內(nèi)部時(shí)間尺度的變化做能量與頻率的解析，將信號展開成數(shù)個(gè)本征模態(tài)函數(shù)(Intrinsic Mode Function, IMF)和一個(gè)信號殘差，其中本征模態(tài)函數(shù)又稱內(nèi)固模態(tài)函數(shù)。MF必須滿足下列條件
1)在整個(gè)函數(shù)中，極值點(diǎn)的數(shù)目與穿越零點(diǎn)的數(shù)目相等或者相差I(lǐng);
2)在任何時(shí)刻，由局部極值包絡(luò)線所定義的包絡(luò)線局部均值為零。EMD相對小波變換，有更好的時(shí)頻特性，能夠自適應(yīng)地提取非線性非平穩(wěn)信號的本質(zhì)特征。對于富含冗余信息和噪聲的高光譜數(shù)據(jù)的特征提取，經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)具有明顯的潛力和優(yōu)勢。目前，沈毅、張敏等人針對高光譜圖像的多冗余信息和噪聲已經(jīng)提出基于互信息波段選擇和經(jīng)驗(yàn)?zāi)B(tài)分解的高光譜圖像分類算法(MI-EMD-SVM)。該算法中基于互信息波段選擇算法是建立在真實(shí)地物信息的基礎(chǔ)上。而在實(shí)際工程中，大部分衛(wèi)星遙感、飛行器遙感所獲得的高光譜數(shù)據(jù)不具備真實(shí)地物參考圖，因此基于波段選擇和經(jīng)驗(yàn)?zāi)B(tài)分解的高光譜圖像分類算法具有很大的局限性
發(fā)明內(nèi)容
針對高光譜圖像富含冗余信息和噪聲以及基于波段選擇和經(jīng)驗(yàn)?zāi)B(tài)分解的高光譜圖像分類算法的局限性，本發(fā)明提出一種基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法。本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的
對高光譜圖像進(jìn)行參考圖互信息波段選擇和經(jīng)驗(yàn)?zāi)B(tài)分解得到高光譜圖像波段子集的各個(gè)MF，選取含有高頻部分的MF作為特征量，進(jìn)行高光譜圖像重構(gòu)，通過支持向量機(jī)(SVM)分類器對高光譜重構(gòu)圖像進(jìn)行分類，獲得高精度分類結(jié)果。如圖I所示，具體步驟如下
步驟一高光譜圖像的參考圖互信息波段選擇。本步驟采用基于參考圖互信息波段選擇方法對高光譜圖像進(jìn)行波段選擇，如圖2所示，首先進(jìn)行高光譜圖像參考圖的生成；然后根據(jù)參考圖提出基于參考圖互信息波段選 擇準(zhǔn)則；最后采用該準(zhǔn)則進(jìn)行高光譜圖像的波段選擇，選出高可分性的波段子集。步驟二 對選出的高光譜圖像波段子集進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解和圖像重構(gòu)。本步驟采用經(jīng)驗(yàn)?zāi)B(tài)分解進(jìn)行高光譜圖像波段子集的特征提取。經(jīng)驗(yàn)?zāi)B(tài)分解的流程圖如圖3所示，具體描述如下
假設(shè)是高光譜圖像波段子集的第是波段圖像。是圖像Y在像素點(diǎn)的值(ra = 1,2,--、M,n= 1,2,…,-V) ；4(*3)是用于計(jì)算第1,2Γ-I)個(gè) MF 過程中，第 j(/ = 1,2,…,J)次迭代時(shí)的輸入值。以第t波段圖像作為輸入信號，篩選程序的流程如下I) ·找出片中的所有局部極大值以及局部極小值，接著利用樣條插值算法，分別將局部極大值擬合成上包絡(luò)線( , )、將局部極小值擬合成下包絡(luò)線《)。2).求出上下包絡(luò)線的均值，得到均值包絡(luò)線
, 、(m,n)
^ 2
3).原始信號X加,《)與均值包絡(luò)線相減,得到第一個(gè)分
PilIjnf n) = x(m, η) - (mt η)
4).檢查·是否符合頂F的條件。如果不符合，則回到步驟I并且將Ai(Ks)當(dāng)作
原始信號，進(jìn)行第二次的篩選。即
A2 (m,n) = h^m 7 η、一 m2(jn, η、)
重復(fù)篩選先次
hk (m,n) = (m, η) - mk (m, η)
直到符合IMF的條件，即得到第一個(gè)IMF分量^(既⑷
IMF1 = C1 ) = \ (m, H)
5).原始信號減去 )可得到剩余量
F1 (m, n) =(m, η)
6).將^>3)當(dāng)作新的信號，重新執(zhí)行步驟I至步驟5，得到第二個(gè)IMF分量4如3)和新的剩余量& (取《)。如此重復(fù)g次
權(quán)利要求
1.基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法，其特征在于所述高光譜圖像分類方法包括如下步驟 步驟一采用基于參考圖互信息波段選擇算法進(jìn)行高光譜圖像波段選擇，具體步驟如下首先進(jìn)行高光譜圖像參考圖的生成；然后根據(jù)參考圖提出基于參考圖互信息波段選擇準(zhǔn)則；最后采用該準(zhǔn)則進(jìn)行高光譜圖像的波段選擇，選出高可分性的波段子集； 步驟二 將選出的高光譜圖像波段子集進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得高光譜圖像的特征即內(nèi)固模態(tài)函數(shù)，采用具有高頻本質(zhì)特征的內(nèi)固模態(tài)函數(shù)進(jìn)行高光譜圖像重構(gòu)，具體如下
2.根據(jù)權(quán)利要求I所述的基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法，其特征在于所述高光譜圖像參考圖的生成方法為定義高光譜數(shù)據(jù)相鄰波段的互信息，如下式所示
3.根據(jù)權(quán)利要求I所述的基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法，其特征在于所述參考圖互信息波段選擇準(zhǔn)則為根據(jù)最大相關(guān)性選出在給定高光譜圖像參考圖時(shí)不確定性減少最大的波段圖像，如下式所示
全文摘要
基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法，涉及遙感領(lǐng)域的高光譜圖像分類方法。本發(fā)明基于參考圖互信息波段選擇和EMD的高光譜圖像分類方法為步驟一采用基于參考圖互信息波段選擇算法進(jìn)行高光譜圖像波段選擇；步驟二對選出的高光譜圖像波段子集進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解和圖像重構(gòu)；步驟三采用SVM分類器對重構(gòu)高光譜圖像進(jìn)行分類，獲得分類結(jié)果。本發(fā)明利用參考圖互信息波段選擇選擇出高可分性的高光譜圖像波段子集，解決了高光譜圖像多冗余信息的影響，減少了分類過程所需的支持向量數(shù)，提高了分類速度；利用經(jīng)驗(yàn)?zāi)B(tài)分解對高光譜圖像波段子集進(jìn)行特征提取和重構(gòu)，解決了高光圖像噪聲的影響，提高了分類精度。
文檔編號G06K9/62GK102831436SQ201210272000
公開日2012年12月19日 申請日期2012年8月2日 優(yōu)先權(quán)日2012年8月2日
發(fā)明者沈毅, 張淼, 張敏 申請人:哈爾濱工業(yè)大學(xué)