HASH GAME - Online Skill Game GET 300

　　【专利摘要】本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出来，分成块，将每个小块先进行分段Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行SVM分类。和基于传统像素的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。

　　[0031] 2,接下来，我们考虑一个中心位于(xi，yi)的大小为s*s的图像块，我们记为i的邻 域化。对于边界上的像素点，我们通过反射边界的方法将像素的邻域补齐。具体来讲，就是 一个左边界上的像素点的左邻居就是该像素点的右邻居。与此类似，对于上下右边界上的 像素也做类似的处理。于是，i邻域K中的所有像素的所有通道都构成了i这个像素点的特 征。也就是说，每个像素点对应了 s2m个特征。当s很大的时候，这个特征数量将会变得很大。

　　[0041] 4,接下来，我们便可以训练一个分类器在这些新特征(也就是邻域的Hash编码)上 进行学习。对于一个w*h个像素的图像来说，我们随机地选取了 10%的像素点进行人工分类 标注，并作为我们的训练集。在测试阶段，我们将训练好的分类器应用于所有剩下的那些样 本像素，然后将分类器预测的分类标签和人工分类标签进行对比，以测试算法的分类精度。 [0042]图3为性能评估曲线，其中，横坐标表示训练集的数量，纵坐标分类分类准确率的 百分比。从图3中可以看出，分类精度会随着训练样本数占比升高而升高，但不同的数据集 升高的速度不一样。四种算法中，分类准确度从高到低的排序为:块方法、块Hash算法、传统 像素方法和分段Hash方法。

　　1. 一种基于化sh编码的超光谱遥感图像分类方法，其特征在于，包括w下步骤， 步骤一、设原始的遥感图像包含w*h个像素，每个像素都有m个通道，设第i个像素的坐 标值为(xi，yi)，该像素在所有通道中的取值构成了一个m维的向量;其中，W表示行数，h表示 列数； 步骤二、对遥感图像的每个像素，各取一个中屯、位于(xi，yi)的s*s的图像块，此图像块 记为i的邻域Ni;其中，S表示图像块的尺寸； 步骤Ξ、将步骤二得到的每个图像块进行分段化sh编码处理，生成化sh序列用来表征 块的新特征； 步骤四、从步骤二中的图像块中随机选取部分图像块，对运部分图像块所对应的化sh 序列进行人工分类标注并作为训练集训练一个SVM分类器，将训练好的SVM分类器对未标注 的图像块进行分类。2. 根据权利要求1所述的一种基于化sh编码的超光谱遥感图像分类方法，其特征在于， 所述分段化sh编码处理的方法具体如下， 设分块的Hash函数S(W，听，..，为：S(W，，…:，游f )二 wW)，A(iVf)，…，々(iV;)) 其中，h (*)为预先指定的化sh函数，解为第i个邻域第j个通道，j为整数且1《j《m; 基于分块的化sh函数将第i个像素点的s*s*m个数据行编码，从而得到m个实数值，运m 个数值就构成了第i个像素点的新特征。3. 根据权利要求2所述的一种基于化sh编码的超光谱遥感图像分类方法，其特征在于， W/ =(哨，吃，…咕），其中，乂;是每个通道的值域。4. 根据权利要求1所述的一种基于化sh编码的超光谱遥感图像分类方法，其特征在于， 所述步骤四中部分图像块为10 %图像块。5. 根据权利要求1所述的一种基于化sh编码的超光谱遥感图像分类方法，其特征在于， 每个像素点对应了s2m个特征。