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：中林信达(北京)科技信息有限责任公司

摘要：一种基于自学习的遥感多光谱数据半监督标注方法，涉及数据标注领域，包括：获取研究区域内的遥感多光谱影像数据，确定待分类目标的类别信息，将遥感多光谱影像数据进行图像融合；在研究区域内选择样地，记录样地内待分类目标的类别信息，结合融合遥感多光谱影像数据确定样地内待分类目标与融合遥感多光谱影像数据的像素对应关系，获取融合遥感多光谱影像数据的像素类别信息；将种子点数据作为初始带标签数据，利用主成分分析方法去除波段之间的多余信息；利用处理后的带标签数据采用随机森林算法构建分类模型；对无标签数据进行分类，剔除异常点，多次迭代后获得自标注数据集。本发明对手动标注数据量要求低，精度高，分类速度快，抗噪能力强。

主权项：1.一种基于自学习的遥感多光谱数据半监督标注方法，其特征在于，包括以下步骤：步骤一、数据获取及融合获取同一研究区域内的遥感多光谱影像数据，确定待分类目标的类别信息，将遥感多光谱影像数据进行图像融合，获得融合遥感多光谱影像数据；步骤二、种子点获取在同一研究区域内选择样地，记录样地内待分类目标的类别信息，结合融合遥感多光谱影像数据确定样地内待分类目标与融合遥感多光谱影像数据的像素对应关系，获取融合遥感多光谱影像数据的像素类别信息，完成种子点获取；步骤三、带标签数据预处理将步骤二生成的种子点数据作为初始带标签数据，融合遥感多光谱影像数据的每个像素点均包含多个波段的光谱信息，不同波段存在较高的相关性，利用主成分分析方法去除波段之间的多余信息；步骤三的具体操作流程如下：1利用带标签数据构建矩阵X＝X1,X2,...,Xp，X是一个n*p的矩阵，n为遥感多光谱影像数据谱段的数量，p为带标签数据的数量，Xj是一个n*1的列向量，表示第j个种子点的多光谱信息，1≤j≤p；2将X的每一行分别进行零均值化；3求出协方差矩阵表示零均值化后的矩阵，T表示矩阵转置，表示矩阵的转置；4求解协方差矩阵的特征值及对应的特征向量；5将特征向量对应的特征值从大到小排序，取前k个特征值及特征向量，使得k为满足s1≤ui≤mkλis1≤ui≤mnλi≥0.95的最小值，λi为排序后的特征值；6降维后的数据为Y＝Q～X，Q为k个特征值对应的特征向量，维度为k*n；该数据Y即为去除了波段之间多余信息的带标签数据；步骤四、构建分类模型利用步骤三中预处理后的带标签数据采用随机森林算法构建分类模型；步骤五、异常点去除利用步骤四构建的分类模型对无标签数据进行分类，同时获取分类类别的置信度，置信度小于设定值的被认为是异常点，剔除异常点后的数据作为新的带标签数据集进行下一轮迭代，重复步骤三至步骤五获取最终的自标注数据集。

全文数据：

权利要求：

百度查询： 中林信达(北京)科技信息有限责任公司 一种基于自学习的遥感多光谱数据半监督标注方法