一种高光谱遥感影像土地覆盖分类方法、系统、设备及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761499A(43)申请公布日2023.03.07(21)申请号202211469956.7(22)申请日2022.11.23(71)申请人中国农业科学院农业信息研究所地址100089北京市海淀区中关村南大街12号(72)发明人李哲敏杨荣超周清波王玉庭范蓓蕾(74)专利代理机构北京高沃律师事务所11569专利代理师贾瑞华(51)Int.Cl.G06V20/10(2022.01)G06V20/13(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)权利要求书3页说明书10页附图3页(54)发明名称一种高光谱遥感影像土地覆盖分类方法、系统、设备及介质(57)摘要本发明公开一种高光谱遥感影像土地覆盖分类方法、系统、设备及介质，涉及土地覆盖分类领域，方法包括：获取待分类土地的高光谱遥感影像，并确定所述待分类土地的高光谱遥感影像的三维矩阵；将所述三维矩阵转换成二维矩阵；将土地高光谱遥感影像的二维矩阵分为带有真实地物类别标签的第一样本集和无标记的第二样本集；将所述第一样本集和所述第二样本集输入至加权空谱联合核协同表示分类算法中，得到分类好的的高光谱遥感影像；其中，所述加权空谱联合核协同表示分类算法是在传统的协同表示分类算法中引入加权空间滤波算子和空间结构信息后得到的。本发明的方法提升了协同表示模型的分类性能，且能够在小规模标记样本下取得理想的分类精度。CN115761499ACN115761499A权利要求书1/3页1.一种高光谱遥感影像土地覆盖分类方法，其特征在于，包括：获取待分类土地的高光谱遥感影像，并确定所述待分类土地的高光谱遥感影像的三维矩阵；将所述三维矩阵转换成二维矩阵；将土地高光谱遥感影像的二维矩阵分为带有真实地物类别标签的第一样本集和无标记的第二样本集；将所述第一样本集和所述第二样本集输入至加权空谱联合核协同表示分类算法中，得到分类好的高光谱遥感影像；其中，所述加权空谱联合核协同表示分类算法是在传统的协同表示分类算法中引入加权空间滤波算子和空间结构信息后得到的。2.根据权利要求1所述的高光谱遥感影像土地覆盖分类方法，其特征在于，所述将所述第一样本集和所述第二样本集输入至加权空谱联合核协同表示分类算法中，得到分类好的高光谱遥感影像，具体包括：对所述第一样本集和所述第二样本集进行归一化处理和空间滤波，得到滤波后的第一样本集和滤波后的第二样本集；根据所述滤波后的第一样本集和所述滤波后的第二样本集，求解滤波后的第一样本集对所述滤波后的第二样本集中每一个滤波后的第二样本及其相应的空间相邻像素的表示系数向量矩阵；根据所述表示系数向量矩阵，确定C个类内系数向量矩阵；其中C表示地物类别数目；利用所述滤波后的第一样本集和相应的类内系数向量矩阵对滤波后的第二样本及其相应的空间相邻像素进行重构，得到C个重构后的第二样本及其相应的空间相邻像素；利用F范数分别计算每个重构后的第二样本及其相应的空间相邻像素和滤波后的第二样本及其相应的空间相邻像素之间的误差，得到C个重构误差；将C个所述重构误差中的最小重构误差所对应的地物类别作为滤波后的第二样本的地物类别；根据所有滤波后的第二样本的地物类别，确定分类好的高光谱遥感影像。3.根据权利要求2所述的高光谱遥感影像土地覆盖分类方法，其特征在于，所述对所述第一样本集和所述第二样本集进行归一化处理和空间滤波，得到滤波后的第一样本集和滤波后的第二样本集，具体包括：利用振幅归一化方法对所述第一样本集和所述第二样本集进行预处理，得到处理后的第一样本集和处理后的第二样本集；利用加权空间滤波算子对所述处理后的第一样本集和所述处理后的第二样本集进行空间滤波，得到滤波后的第一样本集和滤波后的第二样本集。4.根据权利要求2所述的高光谱遥感影像土地覆盖分类方法，其特征在于，所述根据所述滤波后的第一样本集和所述滤波后的第二样本集，求解滤波后的第一样本集对滤波后的第二样本集中每一个第二样本及相应空间相邻像素的表示系数向量矩阵，具体包括：利用滤波后的第一样本集构建字典；利用核函数将所述字典和所述滤波后的第二样本集映射到高维特征空间中，得到字典在高维特征空间的映射函数以及滤波后的第二样本和所述滤波后的第二样本在空间滤波2CN115761499A权利要求书2/3页窗口下的空间相邻像素在高维特征空间的映射函数；根据字典在高维特征空间的映射函数以及滤波后的第二样本和所述滤波后的第二样本在空间滤波窗口下的空间相邻像素在高维特征空间的映射函数，确定表示系数向量矩阵。5.根据权利要求3所述的高光谱遥感影像土地覆盖分类方法，其特征在于，所述利用加权空间滤波算子对所述处理后的第一样本集和所述处理后的第二样本集进行空间滤波，得到滤波后的第一样本集