一种高光谱遥感图像的分类方法及其系统的制作方法
【技术领域】
[0001] 本发明涉及图像处理领域，尤其涉及一种高光谱遥感图像的分类方法及其系统。
【背景技术】
[0002] 目前，高光谱数据的高光谱维度与有限的训练样本之间的巨大差异是高光谱遥感 图像分类问题的重要挑战。由于噪声的干扰以及"同谱异物"现象（即不同地物的光谱特征 具有较高的相似性）的普遍存在，传统的基于地物间光谱特征差异的分类方法难以获得令 人满意的精度。同时，特征提取及波段选择技术被用于降低高光谱数据的光谱维度，减轻了 由于"Hughes现象"（即给定固定数量的训练样本，其预测能力随着维度的增加而减小）引起 的高光谱图像分类精度降低的问题。然而，维数降低的同时也造成了有效信息的丢失，不可 避免的损失了分类精度。
【发明内容】
[0003] 有鉴于此，本发明的目的在于提供一种高光谱遥感图像的分类方法及其系统，旨 在解决现有技术中分类精度不高的问题。
[0004] 本发明提出一种高光谱遥感图像的分类方法，所述分类方法包括：
[0005] 生成多个平行于光谱方向的三维Gabor滤波器；
[0006] 将高光谱遥感图像与所生成的所述多个三维Gabor滤波器进行卷积运算，以得到 三维Gabor相位特征;对每一个像素的三维Gabor相位特征进行象限位编码；以及
[0007] 使用编码的特征通过正则化的汉明距离对所述高光谱遥感图像进行分类。
[0008] 优选的，所述多个三维Gabor滤波器的数量为4个。
[0009] 优选的，所述生成多个三维Gabor滤波器的步骤具体包括：
[0010] 选择平行于光谱方向的Gabor滤波器作为候选滤波器；
[0011] 设置所述候选滤波器的频率和方向，然后根据预设公式生成多个三维Gabor滤波 器。
[0012] 优选的，所述对每一个像素的三维Gabor相位特征进行象限位编码的步骤具体包 括：
[0013] 针对每一个像素，根据三维Gabor相位中实部所在象限的位置对实部进行0/1编 码，如在第一/第四象限，则编码为1，否则编码为0;
[0014] 针对每一个像素，根据三维Gabor相位中虚部所在象限的位置对虚部进行0/1编 码，如在第一 /第二象限，则编码为1，否则编码为0。
[0015] 优选的，所述使用编码的特征通过正则化的汉明距离对所述高光谱遥感图像进行 分类的步骤具体包括：
[0016] 计算每一个测试样本t和训练集合A中任意训练样本s之间的相似度；
[0017]根据最近邻准则，如果测试样本t与第p类训练集中的某一个训练样本之间的汉明 距离最小，则将该测试样本t划分为第p类，其中，所述测试样本t为高光谱遥感图像。
[0018] 另一方面，本发明还提供一种高光谱遥感图像的分类系统，所述系统包括：
[0019] 生成模块，用于生成多个平行于光谱方向的三维Gabor滤波器；
[0020] 编码模块，用于将高光谱遥感图像与所生成的所述多个三维Gabor滤波器进行卷 积运算，以得到三维Gabor相位特征，并对每一个像素的三维Gabor相位特征进行象限位编 码；以及
[0021]分类模块，用于使用编码的特征通过正则化的汉明距离对所述高光谱遥感图像进 行分类。
[0022]优选的，所述多个三维Gabor滤波器的数量为4个。
[0023]优选的，所述生成模块包括：
[0024] 选择子模块，用于选择平行于光谱方向的Gabor滤波器作为候选滤波器；
[0025] 设置子模块，用于设置所述候选滤波器的频率和方向，然后根据预设公式生成多 个三维Gabor滤波器。
[0026] 优选的，所述编码模块具体针对每一个像素，根据三维Gabor相位中实部所在象限 的位置进行0/1编码，如在第一/第四象限，则编码为1，否则编码为〇;根据三维Gabor相位中 虚部所在象限的位置进行0/1编码，如在第一/第二象限，则编码为1，否则编码为〇。
[0027]优选的，所述分类模块包括：
[0028] 计算子模块，用于计算每一个测试样本t和训练集合A中任意训练样本s之间的相 似度；
[0029] 归类子模块，用于根据最近邻准则，如果测试样本t与第p类训练集中的某一个训 练样本之间的汉明距离最小，则将该测试样本t划分为第p类，其中，所述测试样本t为高光 谱遥感图像。
[0030]本发明提供的技术方案是基于三维Gabor相位特征编码，在大量的三维Gabor相位 特征中选择出最具有鉴别能力的特征子集，不仅提升了分类精度，而且降低了算法的时间 和空间复杂度。
【附图说明】
[0031 ]图1为本发明一实施方式中高光谱遥感图像的分类方法流程图；
[0032]图2为本发明一实施方式中图1所示的步骤S11的详细流程图；
[0033]图3为本发明一实施方式中三维Gabor特征的频率域关系的示意图；
[0034]图4为本发明一实施方式中针对每一个像素的编码策略示意图；
[0035]图5为本发明一实施方式中图1所示的步骤S13的详细流程图；
[0036]图6为本发明一实施方式中图1所示的具体实例流程图；
[0037] 图7为本发明一实施方式中高光谱遥感图像的分类系统10的内部结构示意图；
[0038] 图8为本发明一实施方式中图7所示的生成模块11的结构示意图；
[0039] 图9为本发明一实施方式中图7所示的分类模块13的结构示意图。
【具体实施方式】
[0040] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0041]本发明【具体实施方式】提供了一种高光谱遥感图像的分类方法，所述方法主要包括 如下步骤：
[0042] S11、生成多个平行于光谱方向的三维Gabor滤波器；
[0043] S12、将高光谱遥感图像与所生成的所述多个三维Gabor滤波器进行卷积运算，以 得到三维Gabor相位特征;然后对每一个像素的三维Gabor相位特征进行象限位编码；以及 [0044] S13、使用编码的特征通过正则化的汉明距离对所述高光谱遥感图像进行分类。
[0045] 本发明提供的一种高光谱遥感图像的分类方法是基于三维Gabor相位特征编码， 在大量的三维Gabor相位特征中选择出最具有鉴别能力的特征子集，不仅提升了分类精度， 而且降低了算法的时间和空间复杂度。
[0046] 以下将对本发明所提供的一种高光谱遥感图像的分类方法进行详细说明。
[0047] 请参阅图1，为本发明一实施方式中高光谱遥感图像的分类方法流程图。
[0048]在步骤S11中，生成多个平行于光谱方向的三维Gabor滤波器。
[0049] 在本实施方式中，所述多个三维Gabor滤波器的数量为4个，当然，在其它实施方式 中，所述多个三维Gabor滤波器的数量还可以根据实际需求进行调整，例如多个三维Gabor 滤波器的数量可以设计为2个、3个、5个、6个、7个等等，在此不做限定。
[0050] 在本实施方式中，生成多个三维Gabor滤波器的步骤SI 1具体包括SI 11-S112，如 图2所示。
[0051] 请参阅图2,为本发明一实施方式中图1所示的步骤S11的详细流程图。
[0052] 在步骤S111中，选择平行于光谱方向的Gabor滤波器作为候选滤波器。
[0053]在本实施方式中，高光谱图像是由传感器在电磁波谱的可见光、近红外、中红外和 热红外波段范围内，在不同波段成像获得的高光谱图像数据。因此，高光谱遥感图像包含了 丰富的空间、辐射和光谱三重信息，为地表物质的精细分类和识别提供了可能。
[0054] 在步骤S112中，设置所述候选滤波器的频率和方向，然后根据预设公式生成多个 三维Gabor滤波器。
[0055] 在本实施方式中，以t表示频率，丨扒6>>表示方向，则设置所述候选滤波器的频率 fj = [0.5，0.25，0· 125,0.0625]，设置方向炉= ;τ/2，Θ = 31/2,然后根据预设公式
生成4个三维Gabor滤波 器，用于后续的三维Gabor特征提取；其中，μ = / sin穸cos氣v = / sin_in沒，你=/cos炉;f是 滤波器与ω轴的夹角，Θ是滤波器与μ-ν平面的夹角；（x，y，b)分别表示像素的x坐标、y坐标、 光谱坐标;σ是高斯包络的宽度；由于方向参数免= ；r/2，() = jt/2，根据图3可以看出，频率f所 指的方向即为光谱方向。
[0056] 在本实施方式中，由于Gabor滤波器的方向平行于光谱方向，同时仅选择了4个频 率，最终得至丨」4个三维Gabor滤波器，用{Ψ i，i = 1，. . .，4}表示。
[0057] 请继续参阅图1，在步骤S12中，将高光谱遥感图像与所生成的所述多个三维Gabor 滤波器进行卷积运算，以得到三维Gabor相位特征，并对每一个像素的三维Gabor相位特征 进行象限位编码。
[0058]在本实施方式中，将高光谱遥感图像与所生成的4个三维Gabor滤波器进行卷积运 算操作，以R表示所述高光谱遥感图像，仏表示第i个三维Gabor特征，则取卷积运算表示为： (：?,.(Λ\..ν，》(Κ0Ψ,Χ.ν,..Γ,/));4个三维Gabor特征表示为：{Gi，i = l,...，4}。
[0059]在本实施方式中，对每一个像素的三维Gabor相位特征进行象限位编码，具体地， 每一个像素的编码有实部编码和虚部编码组成，根据该像素的三维Gabor相位中实部所在 象限的位置进行0/1编码，如在第一/第四象限，则编码为1，否则编码为〇;根据该像素的三 维Gabor相位中虚部所在象限的位置进行0/1编码，如在第一 /第二象限，则编码为1，否则编