买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川轻化工大学

摘要：本发明属于高光谱影响处理技术领域，公开了一种K‑SAM的高光谱影像无监督分类方法、系统及介质，高光谱影像加载，去除水汽吸收与信噪比低的波段，每个波段所有像素进行去均值预处理，得到待分类影像；确定类别个数k，产生[1,k]区间上的均匀分布随机整数，作为类别赋予待分类影像的像素，形成初始类别向量；使用高斯负熵FastICA方法提取影像中的独立分量，对独立分量进行去均值处理；影像每个像素与各独立分量分别求解光谱角，取每组光谱角最小值所在类别，赋予该像素，更新类别向量，输出原始影像与分类结果，对比分类效果。本发明通过独立分量的不相关性以及光谱角的特征，获得图像中的类别分布基本相符，错分漏分情况较少。

主权项：1.一种K-SAM的高光谱影像无监督分类方法，其特征在于，包括以下步骤：第一步，高光谱影像加载，去除水汽吸收与信噪比低的波段，每个波段所有像素进行去均值预处理，得到待分类影像；确定类别个数k，产生[1,k]区间上的均匀分布随机整数，作为类别赋予待分类影像的像素，形成初始类别向量；第二步，使用高斯负熵FastICA方法提取影像中的独立分量，随后对独立分量进行去均值处理；第三步，影像每个像素与各独立分量分别求解光谱角，取每组光谱角最小值所在类别，赋予该像素，更新类别向量，输出原始影像与分类结果，对比分类效果；所述第一步，包括：去除水汽吸收与信噪比低的波段，获得r*c*b大小的高光谱影像X，n＝r*c，每个波段所有像素进行去均值预处理，得到影像Y，大小为b*n；确定类别个数k；随机产生n个[1,k]区间上的均匀分布随机整数，赋予原始数据作为初始类别向量，形成初始类别向量cluster，大小为n*1；像素之间以及独立分量之间去均值过程：其中Xi为第i波段所有像素构成向量，大小为1*n，为第i波段像素均值，σi表示第i波段像素标准差，i表示波段号，1＝i＝b；所述第二步，包括：输入Y’，Y’是待分类影像Y的转置，大小n*b，使用高斯负熵FastICA方法提取分量k个，每个分量大小为1*b，随后对分量进行去均值处理；输入去均值影像Y，进行白化，白化过程为精简模式对图像矩阵Y进行奇异值分解SVD，即从奇异值的对角矩阵S中删除额外的零值列，以及右奇异矩阵V与Y’中的零值相乘列，白化后数据Z＝U×diag1.diagS×U'×Y',大小为r*c*b；随机初始化权重W，设置内部最低误差为e＝10-6，迭代求解权重矩阵W和误差e，达到最低误差时迭代停止；权重矩阵W求解过程：使用精简模式对权重矩阵W进行奇异值分解SVD，即从奇异值的对角矩阵S中删除额外的零值列，以及右奇异矩阵V与W中的零值相乘列；S大小为k*k，左奇异矩阵U大小为k*k，右奇异矩阵大小为r*c*k，W由U×diag1.diagS×U'×W进行更新；分量矩阵ZW由W*Z获得，大小为k*b；分量取均值过程，像素之间以及独立分量之间去均值过程：其中Xi为第i波段所有像素构成向量，大小为1*n，为第i波段像素均值，σi表示第i波段像素标准差，i表示波段号，1＝i＝b；所述第三步，包括：影像每个像素与每个分量求解光谱角SAM，最小值对应第j分量所属类别，则判定为该类别，光谱夹角越小越属于某类；更新类别向量，大小为n*1；求解每个像素向量与分量的光谱角，计算公式为： 求解每个像素的minang，所对应的j值，即为像素所在类别。

全文数据：

权利要求：

百度查询： 四川轻化工大学 K-SAM的高光谱影像无监督分类方法、系统及介质