一种高光谱图像分类中多中心拟合方法
【技术领域】
[0001] 本发明涉及高光谱图像处理领域，尤其涉及一种高光谱分类中多中心拟合方法。【背景技术】
[0002] 高光谱成像基于多光谱成像，从紫外到近红外的光谱范围内，采用成像光谱仪，在 光谱覆盖范围的数十或数百个光谱波段上对目标物体连续成像。在获得物体空间特征成像 的同时，也获得被测物体的光谱信息。光谱成像技术具有超多波段、高光谱分辨率、波段窄、 光谱范围广和图谱合一的特点。其优势在于采集到的图像信息丰富、识别度较高和数据描 述模型多。因其在探测领域的卓越性能，已被广泛应用于实际中。
[0003] 近年来，随着高光谱成像技术的广泛应用，高光谱图像分析处理技术得到迅速发 展。因此，高光谱分类问题备受关注。高光谱图像本身存在缺陷，比如维数过高，数据冗余 度大，混合像元等，严重阻碍了高光谱技术的发展。其中，混合像元是由于高光谱成像时单 个像素点对应较大的实际空间区域，而此区域内并不仅仅存在一种物质，因此，此像素点记 录的信息是本区域内全部目标信息的叠加。混合像元的存在严重影响遥感的分类精度。另 一方面，高光谱图像有监督分类的参考样本选择非常有限，一般是从已知的高光谱图像区 域中选取，这样处理的训练数据存在较高的光谱混合。高光谱分类中的经典算法，如光谱角 匹配（SAM)、k_最近邻（KNN)等，都需要对训练集合进行拟合，由于混合像元的存在，单个类 别内的样本均值中心会出现欠拟合现象，表现为单个中心对整体训练集合拟合程度低，直 接导致分类准确率低。
【发明内容】
[0004] 为解决现有技术存在的不足，本发明公开了一种高光谱图像分类中多中心拟合方 法，针对小样本学习分类以及混合像元问题，通过条件约束进行分裂，得到同一类别多个拟 合中心，实现多中心全局拟合的同时，有效的提高整个分类系统的分类精度。
[0005] 为实现上述目的，本发明的具体方案如下：
[0006] 一种高光谱图像分类中多中心拟合方法，包括以下步骤：
[0007] 步骤（1):随机选择已知类别的标签的样本，构建训练样本集合X和标签矩阵y;
[0008] 步骤（2):初始化控制参数：设置每类样本的最大分裂数K，偏差分裂阈值Ot，以 及分裂后类内最小样本数Nniin;
[0009] 步骤（3):计算各类拟合中心cdP各类平均偏差;
[0010] 步骤（4):分裂决策，如果类别内平均偏差&大于设置的偏差分裂阈值〇t，则需 要对此类别进行分裂，采用k均值聚类方法得到分裂后的多个子类，分别标记为不同的标 签，否则，分裂结束；
[0011] 步骤（5):分裂有效性评估，比较步骤⑷分裂的子类内样本数与分裂后类内最小 样本数Nniin的大小，如果两个子类内样本数都大于分裂后类内最小样本数Nniin，则分裂有效， 对子类重复步骤（3)~（5)，直到类别收敛；如果子类内样本数有一个小于分裂后类内最小 样本数Nmin，则说明此类别已收敛，分裂结束，分裂结束后，得到一组分裂后的子类；
[0012] 步骤（6):计算分裂后各子类的拟合中心Cij，i= 1，2, ...，C，C是类别数，j是第 i类别分裂的子类个数。
[0013] 所述步骤（1)构建训练样本集合X和标签矩阵y的具体方法为：
[0014] 采用bootstrap采样方法随机抽取训练样本，即对特定的类i，iG[1，2, ???，C]， C表示类别数，进行随机有放回的采样，得到训练样本集合木=[%心，y/a ]和标签矩阵 )'/ =[>',」…，.Fa];
[0015] 其中，％eR/xjVs^表示类别i内第j个样本，1是特征数，yij =i，i= 1，2,…，C， j= 1，2, ...Ni,队表示类别i内的样本总数，R是实数集。
[0016] 所述步骤（3)计算各类拟合中心Ci的具体方法为：
[0017] 各类拟合中心的计算方法为计算类内所有样本的均值，如下式所示：
【主权项】
1. 一种高光谱图像分类中多中屯、拟合方法，其特征是，包括w下步骤： 步骤（1);随机选择已知类别的标签的样本，构建训练样本集合X和标签矩阵y; 步骤（2);初始化控制参数；设置每类样本的最大分裂数K，偏差分裂阔值〇t，W及分 裂后类内最小样本数Nmi。； 步骤（3);计算各类拟合中屯、Ci和各类平均偏差品； 步骤（4);分裂决策，如果类别内平均偏差品大于设置的偏差分裂阔值0。则需要对 此类别进行分裂，采用k均值聚类方法得到分裂后的多个子类，分别标记为不同的标签，否 贝1J，分裂结束； 步骤巧）：分裂有效性评估，比较步骤（4)分裂的子类内样本数与分裂后类内最小样本 数Nmi。的大小，如果两个子类内样本数都大于分裂后类内最小样本数Nmi。，则分裂有效，对子 类重复步骤（3)~巧），直到类别收敛；如果子类内样本数有一个小于分裂后类内最小样本 数Nmi。，则说明此类别已收敛，分裂结束，分裂结束后，得到一组分裂后的子类； 步骤做；计算分裂后各子类的拟合中屯、C。，i= 1，2,. . .，C，C是类别数，j是第类别i分裂的子类个数。
2. 如权利要求1所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (1)构建训练样本集合X和标签矩阵y的具体方法为： 采用bootstrap采样方法随机抽取训练样本，即对特定的类i，iG[1, 2,C]，C 表示类别数，进行随机有放回的采样，得到训练样本集合…，而V,]和标签矩阵 乂 =[乂| 乂2，...，>，/、,]; 其中，而E，Xy表示类别i内第j个样本，1是特征数，y。=i，i= 1，2, . . .，C，j =1，2,...Ni，Ni表示类别i内的样本总数，故是实数集。
3. 如权利要求1所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (3)计算各类拟合中屯、Ci的具体方法为； 各类拟合中屯、的计算方法为计算类内所有样本的均值，如下式所示：
1) 其中，Ci为类别i的类中屯、，eIRkw'，xy表示类别i内第j个样本，Ni表示类别i内 的样本总数，i= 1，2,. . .，C，C是类别数。
4. 如权利要求1或3所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，各类平 均偏差占的计算方式如下：
其中，。J表示类别i内第j个样本X。与类中屯、Ci的标准差，j=l，2，...，Ni，N康示 类别i内的样本总数，品表示类别i的平均偏差，i= 1，2,...，C，C是类别数。
5. 如权利要求1所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (4) 分裂决策的方法为： 步骤（4-1);比较步骤做中类别i的平均偏差品与步骤似中偏差分裂阔值0。如 果三,>〇;且当前分裂次数小于最大分裂数K，则需要对此进行类别内二分裂；否则，说明此 类别已收敛，停止分裂过程； 步骤（4-2);类别内二分裂的方法为k均值聚类，k= 2,对类别i内的所有样本进行二 分类聚类，将类别i分裂成两个子类，并分别赋予不同的类别标签，记为(；ubl，C,ub2。
6. 如权利要求5所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (4-2)k均值聚类方法为： 步骤（4-2-1);对类别i，随机选取类别i内任意两个样本作为初始的聚类中屯、，记为y。1^2，1^1对应子类C日uM，42对应子类C日血2; 步骤（4-2-2);对任意样本Xu,j= 1，2, ...，Ni，分别计算Xu与步骤（4-2-1)中两个初 始聚类中屯、Ui，y2的欧式距离的平方：
di表示Xu到聚类中屯、y1的欧式距离的平方，d2表示Xu到聚类中屯、y2的欧式距离 的平方； 如果di《d2,则样本Xy属于子类C日ubl，反之样本Xij属于子类C日ub2; 步骤（4-2-3);更新聚类中屯、y。^2,方式如下：
Nsubl表示子类C,ubl内的样本数，N,ub2表示子类C,ub2内的样本数，^^€胺^为一个样本，1 是特征数； 步骤（4-2-4);重复步骤（4-2-2)和步骤（4-2-3)直到收敛，得到两个子类C,ubi，(；ub2。
7. 如权利要求1所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (5) 分裂有效评估的方法为： 比较步骤（4)中子类C,ubi，C；ub2内样本个数与分裂后类内最小样本数Nmi。的大小，如果 两个子类内样本数都大于分裂后类内最小样本数Nmi。，则分裂有效，对步骤（4)内的两个子 类C,ubi，C；ub2重复步骤（3)~（5)直到收敛，如果子类内样本数有一个小于分裂后类内最小 样本数Nmi。或者达到最大分裂次数K，则说明此类别已收敛，分裂结束。分裂结束后，得到一 组分裂后的子类。
8. 如权利要求1所述的一种高光谱图像分类中多中屯、拟合方法，其特征是，所述步骤 (6) 计算分裂后各子类的拟合中屯、cu，i= 1，2,. . .，C，C是类别数，j是第i类别分裂的子 类个数，各子类的拟合中屯、的计算方法为计算各子类内所有样本的均值。
【专利摘要】本发明公开了一种高光谱图像分类中多中心拟合方法，包括：随机选择已知类别的标签的样本，构建训练样本集合X和标签矩阵y；初始化控制参数：设置每类样本的最大分裂数K，偏差分裂阈值σt，以及分裂后类内最小样本数Nmin；计算各类拟合中心ci和各类平均偏差分裂决策；分裂有效性评估，比较分裂的子类内样本数与分裂后类内最小样本数Nmin的大小，如果两个子类内样本数都大于分裂后类内最小样本数Nmin，则分裂有效，直到类别收敛；如果子类内样本数有一个小于分裂后类内最小样本数Nmin，则说明此类别已收敛，分裂结束。本发明针对高光谱分类中混合像元问题，能在多维特征空间中更准确的划分决策区域。
【IPC分类】G06K9-62
【公开号】CN104794497
【申请号】CN201510227125
【发明人】刘治, 唐波, 肖晓燕, 郑成云, 李晓梅, 聂明钰
【申请人】山东大学
【公开日】2015年7月22日
【申请日】2015年5月6日