国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

一種基于高光譜數據信息極大化的物質最優分類識別方法
【專利摘要】一種基于高光譜數據信息極大化的物質最優分類識別方法，步驟為：（1）從采集到的高光譜數據中選取訓練數據；（2）對訓練數據依次進行零均值化、保能量降維和單元規范化預處理；（3）根據預處理數據，估算行降維維數矩陣；（4）逐行降維維數數組進行信息極大化列降維特征矩陣計算；（5）逐列降維特征矩陣進行分類器訓練；（6）根據訓練結果，選擇最優特征矩陣和最優分類器；（7）根據所得最優特征矩陣和最優分類器對待分類的高光譜數據進行物質分類識別。本發明方法可實現從高階統計量角度對高光譜數據進行約減，達到更高的分類效率，并且易于擴展添加新的分類器，便于生成性能更優的分類器，從而更好的進行物質分類識別。
【專利說明】一種基于高光譜數據信息極大化的物質最優分類識別方法
【技術領域】
[0001]本發明屬于高光譜數據處理【技術領域】，涉及一種對高光譜數據進行信息極大化最優分類利用的方法，由此可以對不同的物質進行最優分類。
【背景技術】
[0002]高光譜遙感技術(也稱作成像光譜技術)是近二十年來發展起來的一種新興遙感技術。高光譜遙感是當今遙感技術的前沿，高光譜技術首先應用在地質礦物的識別中，而后廣泛地應用在大氣科學、生態、地質、水文和海洋科學中。高光譜遙感數據相對于傳統的多光譜數據擁有更加豐富的光譜信息，其成功應用表明高光譜遙感較高的應用潛力。我國是少數幾個擁有高光譜成像技術的國家之一，近幾年來我國技術學者在礦物識別、植被遙感、赤潮監測、精準農業等多個方面展開高光譜數據應用研究，均取得了較好的效果。
[0003]高光譜遙感之所以受到世界各國遙感科學家的普遍關注，是因為高光譜遙感具有不同于傳統多光譜遙感的新特點，主要表現在:①波段多一可以為每個像元提供幾十、數百甚至上千個波段；②光譜范圍窄一波段范圍一般小于IOnm ;③波段連續一有些傳感器可以在350~2500nm的太陽光譜范圍內提供幾乎連續的地物光譜；④數據量大——隨著波段數的增加，數據量成指數增加信息冗余增加一一由于相鄰波段高度相關，冗余信息也相對增加。因此，一些針對傳統遙感數據的圖像處理方法和技術，如特征提取、圖像分類等技術面臨挑戰。
[0004]現有的高光譜數據已經能夠通過多種途徑快速獲取，能夠用于物質分類確定中。常用的高光譜數據分類方法主要是基于以最大似然法、光譜角填圖、主成分分析、小波變換、人工神經網絡等為代表的分類方法，在特征提取時沒有考慮到訓練數據中的類別信息和高階統計特征，并非按照分類能力進行特征選擇和降維，一般只能用于進行數量較少種類物質的物質分類。`

【發明內容】

[0005]本發明的技術解決問題是:克服現有技術的不足，提供了一種分類效率高、物質識別精度高的基于高光譜數據信息極大化的物質最優分類識別方法。
[0006]本發明的技術解決方案是:一種基于高光譜數據信息極大化的物質最優分類識別方法，步驟如下:
[0007](I)從采集到的η維高光譜數據中選取t個數據組成tXn的訓練數據矩陣XWIS，選取不同于X?的s個數據組成sXn的測試數據矩陣Xem，其中t和s均為正整數；
[0008](2)將Xm中的每一列進行零均值處理，獲得數據矩陣X ;然后對斜方差X*XT做特征值分解，取保v%能量的特征值對應的特征向量作為行向量構成保能量降維矩陣R，100>v ^ 95，利用保能量降維矩陣R對數據矩陣X進行降維獲得降維數據矩陣X* ;最后對降
維數據矩陣X*的每一行進行單元化處理，得到PXn的數據矩陣Z , P由V唯一確定；[0009](3)根據步驟(2)的結果構建
【權利要求】
1.一種基于高光譜數據信息極大化的物質最優分類識別方法，其特征在于步驟如下: (1)從采集到的η維高光譜數據中選取t個數據組成tXn的訓練數據矩陣Xinis，選取不同于的s個數據組成sXn的測試數據矩陣Χ#Μ，其中t和s均為正整數； (2)將Xinis*的每一列進行零均值處理，獲得數據矩陣X;然后對斜方差X*XT做特征值分解，取保V%能量的特征值對應的特征向量作為行向量構成保能量降維矩陣R，100>V > 95，利用保能量降維矩陣R對數據矩陣X進行降維獲得降維數據矩陣X* ;最后對降維數據矩陣X*的每一行進行單元化處理，得到PXn的數據矩陣文，pfiV唯一確定；
(3)根據步驟(2)的結果構建
【文檔編號】G01N21/31GK103868865SQ201410061232
【公開日】2014年6月18日 申請日期:2014年2月24日 優先權日:2014年2月24日
【發明者】文高進, 張春曉, 林招榮, 尚志鳴, 王洪民, 張倩 申請人:北京空間機電研究所