一种基于核方法的高光谱图像分割方法与流程

技术特征：

1.一种基于核方法的高光谱图像分割方法，其特征在于，所述基于核方法的高光谱图像分割方法包括以下步骤：

步骤一：对高光谱图像数据进行预处理；

步骤二：对预处理后的高光谱图像数据进行聚类处理；

步骤三：将通过核函数将预处理后的高光谱图像数据和聚类中心映射到高维空间；

步骤四：根据图像分割算法进行核函数映射空间的图像分割。

2.根据权利要求1所述的一种基于核方法的高光谱图像分割方法，其特征在于，所述步骤一中对高光谱图像数据进行预处理具体为：

采用特征提取法中的KPCA方法进行降维处理，所述KPCA为基于核的主成分分析。

3.根据权利要求2所述的一种基于核方法的高光谱图像分割方法，其特征在于，所述步骤二中进行聚类处理的具体过程为：

步骤二一：随机指定k个聚类中心(m₁，m₂，…，m_k)；

步骤二二：对于每一个数据，找到离该数据最近的聚类中心，并将其分配到该类中；

步骤二三：重新计算各簇中心；

$m_1=m_i-\frac{1}{N}\underset{i=1}{\overset{N_i}{\Σ}}{X}_{ij},i=1,2,3$

其中所述X_ij代表二维坐标为(i，j)的点；

步骤二四：计算偏差；

$J\underset{j=1}{\overset{k}{\Σ}}\underset{j=1}{\overset{n_i}{\Σ}}\left|\right|X_{ij}-m_i|{|}^2$

步骤二五：若J值收敛，则返回(m₁，m₂，…，m_k)，算法终止；否则转至步骤二二。

4.根据权利要求3所述的一种基于核方法的高光谱图像分割方法，其特征在于，所述步骤三中将通过核函数将预处理后的高光谱图像数据和聚类中心映射到高维空间的具体过程为：

设λ为一个索引函数，把图像的每一个点都分配到基数小于等于N的区域目录的有限区域集的一个区域中；则分割函数为：

F(λ)＝D(λ)+αR(λ)

其中R(λ)为正则项，D(λ)是数据项，λ为索引函数，它把图像的每一个点都分配到基数小于等于N的区域目录的有限区域集的一个区域中，α是数据项和正则项之间的区域平滑系数；

将数据项定义为：

$D\left(\mathrm{\λ}\right)=\underset{p\∈\mathrm{\Ω}}{\Σ}{D}_P\left(\mathrm{\λ}\right(p\left)\right)=\mathrm{\Σ}\mathrm{\Σ}{({\mathrm{\μ}}_l-I_p)}^2$

其中所述I_p是一个从位置数组到光度变量的图像函数；

正则项设定为高斯分布的分段常数模型表示为：

R(λ)＝∑r(λ(p),λ(q))

r(λ(p),λ(q))＝min(const²,|μ_λ(p)-μ_λ(q)|²)

其中const为常数，μ_l为区域参数，p是像素点，q是邻域像素点，|μ_λ(p)-μ_λ(q)|为像素与邻域像素区域参数之差的绝对值。

5.根据权利要求4所述的一种基于核方法的高光谱图像分割方法，其特征在于，所述步骤四中根据图像分割算法进行核函数映射空间的图像分割的具体过程为：

核函数采用径向基函数，即高斯核函数，形式为：

$k\left(\right||x-x_c|\left|\right)=e^{-\frac{\left|\right|x-x_c|{|}^2}{{\left(2\mathrm{\σ}\right)}^2}}$

其中x_c为核函数中心，σ为函数的宽度参数；

设：

J_k(I_p,μ)＝||φ(I_p)-φ(μ)||²＝K(I_p，I_p)+K(μ,μ)-2K(I_p,μ)

其中K是核函数，k是高斯核函数；

则分割函数为：

F({μ_l},λ)＝∑∑J_k(I_p,μ_l)+α∑r(λ(p),λ(q))。