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：阳光学院

摘要：本发明涉及一种联合MKFDA和SVM的高光谱遥感图像分类方法，提出了MKFDA与SVM相结合的高光谱遥感图像分类算法，来提高高光谱遥感图像的分类速度和分类精度。我们先用MKFDA对光谱波段进行特征降维，再使用SVM对高光谱遥感图像进行分类。基于PaviaUniversity高光谱遥感数据集的实验结果表明，所提出联合MKFDA和SVM的高光谱遥感图像分类方法取得了良好的分类效果，只要8个特征维度就能达到92.13%的分类精度，与直接使用原始数据进行分类相比，减少了95个特征维度，并提高了0.31%的分类精度。

主权项：1.一种联合MKFDA和SVM的高光谱遥感图像分类方法，其特征在于：包括以下步骤：步骤S1：将获取的训练用的高光谱训练集进行MKFDA特征降维，并进行数据的标准化；步骤S2：利用步骤S1中处理好的训练数据，采用遗传算算法对SVM模型进行参数优化，送入SVM分类模型进行训练，最后生成SVM分类模型；步骤S3：将要进行分类的图像集，同样进行步骤S1中的MKFDA特征降维，将得到的数据进行标准化，送入步骤S2生成的SVM模型就进行预测，将预测好的结果进行分类评价和标记；步骤S1中所述将高光谱训练集进行MKFDA特征降维的具体内容为：设非线性映射φ:Rd→RDD＞d，为d维空间中属于第j类地物的第i个样本j＝1,2；i＝1...,lj，lj为第j类地物的样本数，则D维空间中高光谱遥感数据集的类间散度矩阵类内散度矩阵公式如下： MKFDA的优化目标函数写成： 式中，W∈RD×r为变换矩阵，为第j类地物在D维空间的均值向量；同时有 其中 α为矩阵N-1M的特征向量； M为高光谱数据集，M*∈Rl×1，M*的第i个元素Mi*表示高光谱遥感数据集中第i个样本与所有样本在D维空间的平均内积；核函数矩阵其第i行第j列的元素表示高光谱遥感数据集的第i个样本xi与第j个样本xj在D维空间的内积；xp是代表第p个样本，则公式3写为： 解得A＝α1,...,αk,...,αr，αk为矩阵N-1M第k大的特征值对应的特征向量；若将高光谱遥感数据集X∈Rd×l降至r维，则有X＝ATKX∈Rr×l为降维的结果；实现MKFDA特征降维算法的关键在于计算核矩阵K；l为总样本数，其中，为Mj的第i个元素，由Mi*和的含义得到如下关系式， 在训练阶段，将高光谱训练集降至r维r＝1,...,c-1的步骤如下：步骤1：计算高光谱训练集的核矩阵K；步骤2：根据Mj、M*与核矩阵K的联系得到Mj、M*的值；步骤3：根据10、11式计算N、M；步骤4：令N＝N+εI；其中，I为单位矩阵，ε为更新系数；步骤5：计算N-1；步骤6：求解矩阵N-1M的特征值和特征向量；步骤7：取矩阵N-1M最大的r个特征值对应的特征向量按列构成变换矩阵A＝α1,...,αr；步骤8：单位化D维特征空间的特征向量，令步骤9：降维的高光谱训练集X'＝ATK；在测试阶段，若有m个含有d个光谱波段的高光谱测试数据组成矩阵Y＝y1,...,ym，则降至r维的测试样本集Y'＝ATKt，其中Kt＝[kxi,yi]l×m,i＝1,...,l；j＝1,...,m；步骤S1中所述进行数据标准化的具体过程为：假设高光谱训练集有d个波段，把每个波段的数值缩放至min～max，第i个波段的最大值、最小值分别为maxi、mini，若某一训练样本第i个特征值为xi，则标准化后的值为： 在测试阶段，需要对测试数据采用相同的标准化方法，若某一测试样本第i个特征值为yi，则标准化后的值为 采用遗传算法优化SVM模型参数具体步骤如下：步骤SA：选用径向基核函数SVM待优化的参数包括惩罚系数C和径向基核参数γ，随机初始化含有m个个体的种群；每个个体即为标准化后的高光谱遥感训练集；其中，每个个体即为惩罚系数C和径向基核参数γ的一个组合；步骤SB：对种群进行编码；采用二进制编码方式，在0～3范围内对C、γ寻优，编码精度为0.1，则每个参数的编码长度为log23-00.1+1≈5，对于C＝0.1，γ＝0.3的一组参数编码为0000100011；步骤SC：计算个体的适应度，根据k折交叉验证法评估对应于某一组参数的SVM模型对高光谱遥感训练集的分类精度，以此作为该参数组合个体的适应度；步骤SD：根据个体的适应度，选出m个个体组成新一代种群；采用赌轮法，其基本方略是个体的适应度越大，被选择的可能性越大；首先构造概率函数pi＝fif1+...+fm,i＝1,...,m，pi、fi分别为第i个个体被选择的概率和适应度，接着将pi围成面积为1的轮盘，拨动轮盘，指针停留区域对应的个体即被选中；经过m次拨动，选出m个个体构成新一代种群；步骤SE：以预设概率0.5对个体进行交叉互换；步骤SF：以预设的0.05概率对个体进行遗传变异；步骤SG：若当前种群代数达到设定值，则停止迭代进化，对个体进行解码，选取适应度最好的个体作为最优解，即高光谱遥感训练集分类精度最高的对应参数，否则回到步骤SC。

全文数据：

权利要求：

百度查询： 阳光学院 一种联合MKFDA和SVM的高光谱遥感图像分类方法