Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种联合MKFDA和SVM的高光谱遥感图像分类方法 

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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。