r>[0024] 步骤1，输入高光谱图像，获取训练样本和测试样本。
[0025] 输入高光谱图像^ …，H,该图像包含1个光谱波段，n个样本；
[0026] 从这n个样本中随机选取出20 %样本组成训练样本集，…，1严}, 用其余样本组成测试样本集，…，1严}，其中，PP，qq分别代表训练和测试样 本数，满足pp+qq=n。
[0027] 步骤2,对训练样本集Xpp和测试样本集X~分别进行列归一化操作，得到列归一化 后的训练样本集Xp和测试样本集Xq。
[0028] 步骤3,计算列归一化后的训练样本集Xp中样本的自信息和正则化互信息，去除噪 声波段，得到噪声波段的标签集合Ui，i2，…，iu}和去除噪声波段后的训练样本集合#。
[0029] (3. 1)计算列归一化后的训练样本集Xp中第i个波段^的自信息H(X，）：
[0030]
【主权项】
1. 一种基于低阶互信息和光谱上下文波段选择的高光谱分类方法，包括如下步骤： (1) 输入高光谱图像，并对其进行列归一化处理，得到归一化后的高光谱图像 Xh = 丨,该图像包含1个光谱波段，n个样本；随机取这些样本的20%组成训 练样本集P }，其余样本组成测试样本集P=IWI,7丨，其中， P，q分别代表训练和测试样本数，满足P+q = n ; (2) 计算训练样本集Xp中第i个波段Xf与其邻域波段足XC1 之间的正 则化互信息，I < i < 1 ;求取这些正则化互信息的均值，若计算出的正则化互信息均值小于 训练样本集中任意两个波段之间正则化互信息之和的均值，则视为噪声波段，去除噪声波 段，得到噪声波段的标签集合U1, i2，…，iu}和去除噪声波段后的训练样本集合Xp、 ⑶通过序列前向搜索方法，从训练样本集合#中选取出自信息最大的波段;保留 到集合S中，将集合S初始为一个空集；从训练样本集合#中删除自信息最大的波段; 更新集合S直到选取出20个最佳波段，得到进行波段选择后的波段标签集合U1,凡… ，j2Q}和训练样本集合'P" =Rf ,…，巧；}; (4) 根据波段选择后的波段标签集合U1, j2，…，j2(l}，对测试样本集合进行更新，得到 更新后的测试样本集合# =,巧,…，s。h (5) 将更新后的训练样本集合Xp"和训练样本集合中所有样本的标签信息输入到支撑 矢量机中，学习出一个分类器，使用该分类器，对测试样本集合妙进行分类，得到所有测试 样本的类别标签Y，这个类别标签Y即为高光谱图像的分类结果。
2. 根据权利要求1所述的高光谱图像分类方法，步骤2所述中计算训练样本集Xp中第 i个波段#与其邻域波段1匕、li、AL之间的正则化互信息，按如下步骤进行： (2. 1)计算训练样本集合中第i个波段的自信息//(Xf):
其中，?)代表f的概率密度函数； (2. 2)计算训练样本集合中的第i个波段Xp与第j个波段^之间的互信息
其中，；Kxf，#)代表Z广和的联合概率密度函数； (2. 3)利用步骤（2. 1)和（2. 2)中计算自信息和互信息的公式，计算第i个波段#与 第j个波段K.之间的正则化互信息:
(2.4)计算训练样本集Xp中第i个波段与其邻域波段Zff Zf+2之 间正则化互信息的均值E，计算训练样本集中任意两个波段之间正则化互信息之和的均值 Em，若E小于Em，则视为噪声波段，去除噪声波段，得到噪声波段的标签集合U1, i2，…，iu} 和去除噪声波段以后的训练样本集合xp\xf = {X」l彡i彡1，i乒I1, i2，…，iu}，xf中包 含的波段的个数为1-u个；
3.根据权利要求1所述的高光谱图像分类方法，所述步骤3中更新集合S直到选取出 20个最佳波段，按如下步骤进行： (3. 1)令初始的候选波段集合I = X1"，选择出的冗余性低且自信息大的最佳波段集合 S = {}； (3. 2)对于候选波段集合I中的第i个波段，根据步骤（2. 1)中的公式计算自信息 "(〇 (3. 3)根据序列前向搜索算法，将自信息.〃(<"')的值从大到小进行排序，选择序列最 前端值最大的波段，并将该Xf'从候选波段集合I中删除，再添加到最佳波段集合S 中，得到新的候选波段集合' = {#'|l9U，最佳波段集合S = {#丨； (3. 4)对于新候选波段集合I'中第i个波段f和最佳波段集合S中第j个波段 Zf'.根据步骤（2. 1)到（2.3)中的公式计算互信息 (3. 5)对新候选波段集合I '中第i个波段.计算信息差
集合S中波段的个数； (3.6)将最大的波段Xf'从新候选波段集合1'中删除，添加至最佳波段集合S中，对 新候选波段集合I'和最佳波段集合S进行更新； (3. 7)判断更新后最佳波段集合中波段的个数是否达到给定值20 :若达到，则终止迭 代，输出最佳波段集合S，得到进行波段选择后的波段标签集合U1, j2，…，j2J和训练样本 集合Xp"，且Xp" = S ;否则，返回步骤（3.4)进行下一次迭代。
【专利摘要】本发明公开了一种基于低阶互信息和光谱上下文波段选择的高光谱分类方法，主要解决现有技术对高光谱图像分类计算复杂度过高及分类性能不佳的问题。其实现方案是：首先，利用高光谱图像光谱波段邻域之间上下文先验信息，自动去除噪声波段；其次，针对去除噪声波段之后的波段集合，通过序列前向搜索方法，利用最大化单个波段的自信息，和最小化波段与波段之间的正则化互信息，选择出具有低冗余性且信息含量高的波段子集；最后，使用选择出的波段进行地物分类。本发明能获得高精度高效率的高光谱图像分类结果，可用于土壤调查、城市环境监测、灾害评估等领域的地物区分和辨别。
【IPC分类】G06K9-62
【公开号】CN104820841
【申请号】CN201510233088
【发明人】冯婕, 焦李成, 屈嵘, 刘帅, 王爽, 侯彪, 杨淑媛, 马文萍
【申请人】西安电子科技大学
【公开日】2015年8月5日
【申请日】2015年5月8日