(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210394874.4 (22)申请日 2022.04.14 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 王柯俨　席博博　吴雪岩　李云松　 李娇娇　师艳子　郑毓轩　 (74)专利代理 机构 陕西电子 工业专利中心 61205 专利代理师 王品华 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 基于无监督聚类的高光谱数据标注方法 (57)摘要 本发明公开了一种高光谱数据标注方法， 主 要解决现有技术不能对目标视觉不可见高光谱 数据进行标注的问题。 其实现方案是： 借助 Google地图， 锁定目标视觉不可见的高光谱数据 集目标可能存在的位置； 利用ENVI对原始高光谱 数据依次进行粗裁剪和细裁剪； 对细裁剪后的 图 像数据进行视觉分析， 选取目标特征相对明显的 波段作为特征谱 段并拼接成一个数据立方体； 利 用K‑means聚类法方法对数据立方体进行无监督 聚类， 得到像素数目基本不变的类； 用目视分析 从像素数目基本不变的类中确定目标置信点集 合， 并进行最终标注。 本发明能对视觉不可见目 标进行标注， 无需去实地测量， 节省了大量的物 力和人力， 可用于高光谱目标检测识别。 权利要求书2页 说明书4页 附图2页 CN 114842334 A 2022.08.02 CN 114842334 A 1.一种基于无监 督聚类的高光谱数据标注方法， 其特 征在于， 包括： 1)对于目标视 觉不可见的高光谱数据集， 借助Go ogle地图， 锁定目标 可能存在的位置； 2)根据1)锁定的目标位置， 利用遥感图像处理平台ENVI对原始高光谱数据依次进行粗 裁剪和细裁 剪； 3)对细裁剪后的图像数据进行视觉分析， 选取目标特征相对明显的波段作为特征谱 段， 以进一 步增大目标和背景的可分性， 再将所选的特 征谱段拼接成一个数据立方体； 4)设置2‑20类别数， 利用K ‑means聚类法方法对数据立方体进行不 同类别数的无监督 聚类， 得到像素 数目基本不变的类{g1,g2, …}； 5)根据1)中的模糊定位从所述4)得到的像素数目基本不变的类中确定目标类{g}， 并 剔除不是目标的位置， 得到目标置信点 集合{Tar}； 6)目标置信点集合{Tar}即为能够标定为目标的位置， 将其对应像素点设为1， 其余像 素点设为0， 得到相对精确的数据标注结果。 2.根据权利 要求1所述的方法， 其特征在于： 所述1)中借助Google地图对目标视觉不可 见的高光谱数据集进行目标 可能存在的位置锁定， 实现如下： 1a)在Google地图中观察不同目标及其周围区域， 即对于机场数据， 需要观察停机坪的 位置， 判断飞机的大概 位置； 对于船舶数据， 需要观察港口 的位置， 判断出 船舶的位置； 1b)将判断出的不同目标物理位置匹配到高光谱数据中。 3.根据权利 要求1所述的方法， 其特征在于： 所述2)中利用遥感图像处理平台ENVI对原 始高光谱数据依次进行粗裁 剪和细裁 剪， 实现如下： 2a)选用遥感图像处理平台ENVI中的规则图形对目标区域进行裁剪， 以缩小数据尺寸 得到粗裁 剪后数据； 2b)选用遥感图像处理平台ENVI中的不规则图形在粗裁剪后数据的基础上， 保留目标 及其周围区域， 其 他区域的值设置为0， 得到细裁后数据。 4.根据权利要求1所述的方法， 其特征在于： 所述3)中对细裁剪后的图像数据进行视觉 分析， 选取目标 特征相对明显的波段作为特 征谱段， 实现如下： 3a)结合1)中的模糊定位， 在细裁剪后数据中选出疑似目标的像素点， 画出该像素点对 应光谱曲线a； 再在细裁剪后数据中选出颜色与目标相近， 但是根据位置可确定不是目标的 像素点， 画出 该像素点对应的光谱曲线b； 3b)对比两条曲线a和b， 将整个数据中两者差异较小的波段 范围内的图像数据剔除； 3c)逐一观察图像数据中剩下的每一个波段， 选取目标特征相对比较明显的波段作为 特征谱段， 并将其 拼接成一个数据立方体。 5.根据权利要求1所述的方法， 其特征在于： 所述4)中利用K ‑means聚类法方法对数据 立方体进行不同类别数的无监 督聚类， 实现如下： 4a)选用光谱向量角SAM作为距离x； 4b)设类别为(C1,C2,…Ci…Ck)， k类别数， 取值 为2‑20； 4c)采用迭代方法计算聚类的目标函数最小化平方误差E的最小值， 并输出划分的类， 记录聚类结果， 其中： 权　利　要　求　书 1/2 页 2 CN 114842334 A 2式中 μi是第i类Ci的均值向量， 表达式为: 4d)执行4c)共19次， 聚类得到像素 数目基本不变的类， 记为{g1,g2, …}。 6.根据权利 要求1所述的方法， 其特征在于： 所述5)中确定目标类{g}， 是根据1)中的借 助Google地图锁定目标可能存在的位置， 删除聚类得到像素数目基本不变类{g1,g2, …}中 包含的非目标像素点类， 得到确定的目标类{g }。权　利　要　求　书 2/2 页 3 CN 114842334 A 3