国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng)的制作方法

      文檔序號:11200287閱讀:1486來源:國知局
      一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng)的制造方法與工藝
      本發(fā)明涉及圖像分類
      技術(shù)領(lǐng)域
      ,具體涉及一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng)。
      背景技術(shù)
      :高光譜遙感又稱為成像光譜遙感,它利用很多很窄的電磁波波段從感興趣的物體的反射中獲取有關(guān)數(shù)據(jù),實現(xiàn)了遙感技術(shù)光譜分辨率的突破性提高。高光譜遙感與普通遙感的差別在于前者比后者具有更多更細(xì)的譜段,可以形成完整的光譜數(shù)據(jù)。目前,高光譜遙感已經(jīng)成為遙感領(lǐng)域的前沿科技,其中高光譜數(shù)據(jù)分類技術(shù)已經(jīng)成為高光譜遙感處理領(lǐng)域的研究熱點。技術(shù)實現(xiàn)要素:針對上述問題,本發(fā)明旨在提供一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng)。本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn):提供了一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng),包括建模模塊、分類模塊和評價模塊,所述建模模塊采用向量模型表示高光譜圖像數(shù)據(jù),所述分類模塊用于對高光譜圖像數(shù)據(jù)進(jìn)行分類,所述評價模塊用于對分類結(jié)果進(jìn)行評價;所述向量模型用于將高光譜數(shù)據(jù)中的每個像元對應(yīng)著多個波段的反射值表示為多維空間的一個向量;所述分類模塊包括第一分類單元、第二分類單元和第三分類單元,所述第一分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行初步分類,所述第二分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行二次分類,所述第三分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行最終分類。本發(fā)明的有益效果為:實現(xiàn)了高光譜圖像數(shù)據(jù)的分類和對分類結(jié)果的評價,向量模型定量描述了目標(biāo)的光譜輻射特性及其在多維空間中的變化規(guī)律,將每個像元用多維向量表示,更適合計算機(jī)進(jìn)行處理,能夠更好地表征地物的分布特性及其變化規(guī)律;分類模塊通過多次分類實現(xiàn)高光譜圖像數(shù)據(jù)的最終分類,得到的分類結(jié)果更為準(zhǔn)確。附圖說明利用附圖對本發(fā)明作進(jìn)一步說明,但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制,對于本領(lǐng)域的普通技術(shù)人員,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的結(jié)構(gòu)示意圖;圖2是本發(fā)明分類模塊結(jié)構(gòu)示意圖。附圖標(biāo)記:建模模塊1、分類模塊2、評價模塊3、第一分類單元21、第二分類單元22、第三分類單元23。具體實施方式結(jié)合以下實施例對本發(fā)明作進(jìn)一步描述。參見圖1、圖2,本實施例的一種分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng),包括建模模塊1、分類模塊2和評價模塊3,所述建模模塊1采用向量模型表示高光譜圖像數(shù)據(jù),所述分類模塊2用于對高光譜圖像數(shù)據(jù)進(jìn)行分類,所述評價模塊3用于對分類結(jié)果進(jìn)行評價;所述向量模型用于將高光譜數(shù)據(jù)中的每個像元對應(yīng)著多個波段的反射值表示為多維空間的一個向量;所述分類模塊2包括第一分類單元21、第二分類單元22和第三分類單元23,所述第一分類單元21用于對高光譜圖像數(shù)據(jù)進(jìn)行初步分類,所述第二分類單元22用于對高光譜圖像數(shù)據(jù)進(jìn)行二次分類,所述第三分類單元23用于對高光譜圖像數(shù)據(jù)進(jìn)行最終分類。本實施例實現(xiàn)了高光譜圖像數(shù)據(jù)的分類和對分類結(jié)果的評價,向量模型定量描述了目標(biāo)的光譜輻射特性及其在多維空間中的變化規(guī)律,將每個像元用多維向量表示,更適合計算機(jī)進(jìn)行處理,能夠更好地表征地物的分布特性及其變化規(guī)律;分類模塊通過多次分類實現(xiàn)高光譜圖像數(shù)據(jù)的最終分類,得到的分類結(jié)果更為準(zhǔn)確。優(yōu)選的,所述對高光譜圖像數(shù)據(jù)進(jìn)行初步分類采用以下方式進(jìn)行:步驟1:設(shè)高光譜圖像樣本點的向量集為初始類別數(shù)目為z,其中,xi表示第i個樣本點的向量表示,xi均無標(biāo)簽,m表示x中樣本點的個數(shù);步驟2:從高光譜數(shù)據(jù)樣本集x中隨機(jī)選取z個樣本點作為初始分類中心,分別記為初始分類結(jié)果記為:初始化迭代次數(shù)k=0;步驟3:計算樣本集x中的樣本點到各個分類中心的距離,選擇距離最近分類中心所屬的類別作為樣本點的分類,得到新的分類結(jié)果表示第k次迭代中第j類樣本點分類結(jié)果,重新計算各個分類的中心:式中,表示中所含樣本點數(shù)量,表示中所含樣本點數(shù)量;步驟4:重復(fù)步驟3,直到達(dá)到最大迭代次數(shù)或者滿足收斂條件,完成分類,得到初次分類結(jié)果。所述收斂條件為式中,i=1,2,…,m,j∈[1,z],表示樣本點xi和分類中心之間的距離,距離越小,表示樣本點間的相似程度越大,β為預(yù)先設(shè)定的參數(shù);采用以下方式計算:式中,xi和xl表示樣本點。本優(yōu)選實施例第一分類單元采用無監(jiān)督分類的方法對高光譜數(shù)據(jù)的樣本點進(jìn)行分類,獲取了樣本點的分類情況,完成了對不同類別的區(qū)分,具體的,在重新計算各個分類中心時,考慮了上一次迭代結(jié)果對本次分類的影響,減少了本次數(shù)據(jù)異常對分類結(jié)果帶來的影響,獲取了更為準(zhǔn)確的分類結(jié)果,在設(shè)定收斂條件時,考慮了兩次迭代差對于和的相對值,獲取的分類結(jié)果更為精細(xì),在距離度量過程中,采用距離來衡量各個樣本點的光譜特征相似性,其相似性度量更加符合高光譜圖像數(shù)據(jù)的特性,且該樣本點相似性衡量方式的抗干擾能力較強,受樣本點向量的乘性噪聲干擾小。優(yōu)選的,所述對高光譜圖像數(shù)據(jù)進(jìn)行二次分類采用以下步驟進(jìn)行:步驟1:從樣本集x中隨機(jī)選擇n1個未標(biāo)簽的樣本點,結(jié)合標(biāo)簽樣本點,構(gòu)造訓(xùn)練樣本集其中,yr表示第r個樣本點的向量表示,n表示y1中樣本點的個數(shù);步驟2:采用第一分類單元21對訓(xùn)練樣本集y1進(jìn)行p次分類,每次分類類別數(shù)均為z,但每次都隨機(jī)選擇初始分類中心,得到fp(yr),fp(yr)表示樣本點yr在第p次分類中的分類結(jié)果,其中,p=1,2,…,p;步驟3:根據(jù)訓(xùn)練樣本集y1中樣本點yr和ys在p次分類中屬于同一類別的次數(shù),構(gòu)造核函數(shù)k1:式中,[fp(yr)==fp(ys)]用于判斷樣本點yr和ys在第p次分類中是否屬于同一類別,若是則取1,否則為0;步驟4:利用核函數(shù)k1對訓(xùn)練樣本集y1進(jìn)行非線性變換,得到用于訓(xùn)練最小二乘支持向量機(jī)分類器的訓(xùn)練集,采用訓(xùn)練好的分類器對樣本集x進(jìn)行分類,得到二次分類結(jié)果。所述第三分類單元23采用二次分類結(jié)果作為最終分類結(jié)果,對于二次分類結(jié)果與初次分類結(jié)果不一致的樣本點,采用一次分類結(jié)果作為最終分類結(jié)果。本優(yōu)選實施例第二分類單元采用無監(jiān)督分類與半監(jiān)督分類相結(jié)合的方法對高光譜圖像數(shù)據(jù)進(jìn)行分類,由于標(biāo)簽樣本點的存在,在獲取樣本點分類情況的基礎(chǔ)上,獲取了各個類別的屬性。優(yōu)選的,所述對分類結(jié)果進(jìn)行評價采用評價函數(shù)進(jìn)行,評價函數(shù)采用下式計算:式中,uij為高光譜圖像數(shù)據(jù)分類結(jié)果的混淆矩陣,表示類別j被分類為類別i的樣本數(shù)量,i≠j,t代表類別數(shù)量,w表示樣本數(shù)量;zo越小,表明分類結(jié)果越準(zhǔn)確。本優(yōu)選實施例評價模塊通過建立評價函數(shù)對分類結(jié)果進(jìn)行評價,評價函數(shù)反映了隨機(jī)樣本的分類結(jié)果與真實標(biāo)記類別相一致情況,保證了分類的準(zhǔn)確性。采用本發(fā)明分類準(zhǔn)確的高光譜圖像數(shù)據(jù)分類系統(tǒng)對高光譜圖像數(shù)據(jù)進(jìn)行分類,選取5幅高光譜圖像進(jìn)行分類試驗,并將其編為圖像1、圖像2、圖像3、圖像4和圖像5,對高光譜圖像數(shù)據(jù)的分類時間和分類準(zhǔn)確性進(jìn)行分析,同現(xiàn)有紅外圖像處理系統(tǒng)相比,產(chǎn)生的有益效果如下表所示:分類時間縮短分類準(zhǔn)確性提高圖像123%21%圖像225%20%圖像324%25%圖像426%22%圖像524%23%最后應(yīng)當(dāng)說明的是,以上實施例僅用以說明本發(fā)明的技術(shù)方案,而非對本發(fā)明保護(hù)范圍的限制,盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換,而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。當(dāng)前第1頁12
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1