一種基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法
【專利摘要】一種基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法,步驟為:(1)從采集到的高光譜數(shù)據(jù)中選取訓(xùn)練數(shù)據(jù);(2)對(duì)訓(xùn)練數(shù)據(jù)依次進(jìn)行零均值化、保能量降維和單元規(guī)范化預(yù)處理;(3)根據(jù)預(yù)處理數(shù)據(jù),估算行降維維數(shù)矩陣;(4)逐行降維維數(shù)數(shù)組進(jìn)行信息極大化列降維特征矩陣計(jì)算;(5)逐列降維特征矩陣進(jìn)行分類器訓(xùn)練;(6)根據(jù)訓(xùn)練結(jié)果,選擇最優(yōu)特征矩陣和最優(yōu)分類器;(7)根據(jù)所得最優(yōu)特征矩陣和最優(yōu)分類器對(duì)待分類的高光譜數(shù)據(jù)進(jìn)行物質(zhì)分類識(shí)別。本發(fā)明方法可實(shí)現(xiàn)從高階統(tǒng)計(jì)量角度對(duì)高光譜數(shù)據(jù)進(jìn)行約減,達(dá)到更高的分類效率,并且易于擴(kuò)展添加新的分類器,便于生成性能更優(yōu)的分類器,從而更好的進(jìn)行物質(zhì)分類識(shí)別。
【專利說(shuō)明】一種基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于高光譜數(shù)據(jù)處理【技術(shù)領(lǐng)域】,涉及一種對(duì)高光譜數(shù)據(jù)進(jìn)行信息極大化最優(yōu)分類利用的方法,由此可以對(duì)不同的物質(zhì)進(jìn)行最優(yōu)分類。
【背景技術(shù)】
[0002]高光譜遙感技術(shù)(也稱作成像光譜技術(shù))是近二十年來(lái)發(fā)展起來(lái)的一種新興遙感技術(shù)。高光譜遙感是當(dāng)今遙感技術(shù)的前沿,高光譜技術(shù)首先應(yīng)用在地質(zhì)礦物的識(shí)別中,而后廣泛地應(yīng)用在大氣科學(xué)、生態(tài)、地質(zhì)、水文和海洋科學(xué)中。高光譜遙感數(shù)據(jù)相對(duì)于傳統(tǒng)的多光譜數(shù)據(jù)擁有更加豐富的光譜信息,其成功應(yīng)用表明高光譜遙感較高的應(yīng)用潛力。我國(guó)是少數(shù)幾個(gè)擁有高光譜成像技術(shù)的國(guó)家之一,近幾年來(lái)我國(guó)技術(shù)學(xué)者在礦物識(shí)別、植被遙感、赤潮監(jiān)測(cè)、精準(zhǔn)農(nóng)業(yè)等多個(gè)方面展開高光譜數(shù)據(jù)應(yīng)用研究,均取得了較好的效果。
[0003]高光譜遙感之所以受到世界各國(guó)遙感科學(xué)家的普遍關(guān)注,是因?yàn)楦吖庾V遙感具有不同于傳統(tǒng)多光譜遙感的新特點(diǎn),主要表現(xiàn)在:①波段多一可以為每個(gè)像元提供幾十、數(shù)百甚至上千個(gè)波段;②光譜范圍窄一波段范圍一般小于IOnm ;③波段連續(xù)一有些傳感器可以在350~2500nm的太陽(yáng)光譜范圍內(nèi)提供幾乎連續(xù)的地物光譜;④數(shù)據(jù)量大——隨著波段數(shù)的增加,數(shù)據(jù)量成指數(shù)增加信息冗余增加一一由于相鄰波段高度相關(guān),冗余信息也相對(duì)增加。因此,一些針對(duì)傳統(tǒng)遙感數(shù)據(jù)的圖像處理方法和技術(shù),如特征提取、圖像分類等技術(shù)面臨挑戰(zhàn)。
[0004]現(xiàn)有的高光譜數(shù)據(jù)已經(jīng)能夠通過多種途徑快速獲取,能夠用于物質(zhì)分類確定中。常用的高光譜數(shù)據(jù)分類方法主要是基于以最大似然法、光譜角填圖、主成分分析、小波變換、人工神經(jīng)網(wǎng)絡(luò)等為代表的分類方法,在特征提取時(shí)沒有考慮到訓(xùn)練數(shù)據(jù)中的類別信息和高階統(tǒng)計(jì)特征,并非按照分類能力進(jìn)行特征選擇和降維,一般只能用于進(jìn)行數(shù)量較少種類物質(zhì)的物質(zhì)分類。`
【發(fā)明內(nèi)容】
[0005]本發(fā)明的技術(shù)解決問題是:克服現(xiàn)有技術(shù)的不足,提供了一種分類效率高、物質(zhì)識(shí)別精度高的基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法。
[0006]本發(fā)明的技術(shù)解決方案是:一種基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法,步驟如下:
[0007](I)從采集到的η維高光譜數(shù)據(jù)中選取t個(gè)數(shù)據(jù)組成tXn的訓(xùn)練數(shù)據(jù)矩陣XWIS,選取不同于X?的s個(gè)數(shù)據(jù)組成sXn的測(cè)試數(shù)據(jù)矩陣Xem,其中t和s均為正整數(shù);
[0008](2)將Xm中的每一列進(jìn)行零均值處理,獲得數(shù)據(jù)矩陣X ;然后對(duì)斜方差X*XT做特征值分解,取保v%能量的特征值對(duì)應(yīng)的特征向量作為行向量構(gòu)成保能量降維矩陣R,100>v ^ 95,利用保能量降維矩陣R對(duì)數(shù)據(jù)矩陣X進(jìn)行降維獲得降維數(shù)據(jù)矩陣X* ;最后對(duì)降
維數(shù)據(jù)矩陣X*的每一行進(jìn)行單元化處理,得到PXn的數(shù)據(jù)矩陣Z , P由V唯一確定;[0009](3)根據(jù)步驟(2)的結(jié)果構(gòu)建
【權(quán)利要求】
1.一種基于高光譜數(shù)據(jù)信息極大化的物質(zhì)最優(yōu)分類識(shí)別方法,其特征在于步驟如下: (1)從采集到的η維高光譜數(shù)據(jù)中選取t個(gè)數(shù)據(jù)組成tXn的訓(xùn)練數(shù)據(jù)矩陣Xinis,選取不同于的s個(gè)數(shù)據(jù)組成sXn的測(cè)試數(shù)據(jù)矩陣Χ#Μ,其中t和s均為正整數(shù); (2)將Xinis*的每一列進(jìn)行零均值處理,獲得數(shù)據(jù)矩陣X;然后對(duì)斜方差X*XT做特征值分解,取保V%能量的特征值對(duì)應(yīng)的特征向量作為行向量構(gòu)成保能量降維矩陣R,100>V > 95,利用保能量降維矩陣R對(duì)數(shù)據(jù)矩陣X進(jìn)行降維獲得降維數(shù)據(jù)矩陣X* ;最后對(duì)降維數(shù)據(jù)矩陣X*的每一行進(jìn)行單元化處理,得到PXn的數(shù)據(jù)矩陣文,pfiV唯一確定;
(3)根據(jù)步驟(2)的結(jié)果構(gòu)建
【文檔編號(hào)】G01N21/31GK103868865SQ201410061232
【公開日】2014年6月18日 申請(qǐng)日期:2014年2月24日 優(yōu)先權(quán)日:2014年2月24日
【發(fā)明者】文高進(jìn), 張春曉, 林招榮, 尚志鳴, 王洪民, 張倩 申請(qǐng)人:北京空間機(jī)電研究所