kmeans高光谱分类

最新推荐文章于 2022-12-21 12:28:54 发布

Reta&Lisa

最新推荐文章于 2022-12-21 12:28:54 发布

阅读量411

点赞数

文章标签： kmeans 分类 python

本文链接：https://blog.csdn.net/weixin_44370409/article/details/125605136

版权

本文介绍了一种使用Python实现的kmeans高光谱分类方法，通过逐条处理数据，确保了代码的可读性。适用于在PyCharm环境中运行。

摘要由CSDN通过智能技术生成

借鉴同事的代码，可读取高光谱数据，而且是一条一条运算的

from PyQt5.QtWidgets import QWidget
# from UI.UnSupervisedModelClass import Ui_ModelClass
from PyQt5.QtCore import Qt
from PyQt5.QtCore import pyqtSignal
# from File.LoadSaveFile import LoadSaveFile
import numpy as np
import cv2
from PyQt5.QtGui import QColor, QImage, QPixmap
from tqdm import tqdm
# from ProcessImage.ProcessImage import ImageProcess
from read import *
from loadonelinedata import *

name = "newrawfile20220112145850610_refClip.raw"
hdr = LoadHdr(name)
sampels = hdr['samples']
lines = hdr['lines']
bands = hdr['bands']
firstPoint_y = np.random.randint(0, sampels)  # randint产生区间为[0,samples]的随机数
firstPoint_x = np.random.randint(0, lines)

# 选点，第一个点随机，其他点选择距离最远的点
# 当类别为i的时候，对该类别进行循环：将所有帧的数据遍历一遍，累加所有点到已确定中心点points的距离，获得一个sample*lines的距离矩阵，选取最大值为新的中心点。然后初始化分类矩阵
firstPoint = LoadPointWaves(name, hdr, firstPoint_x, firstPoint_y)  # bands*1的矩阵
points = [firstPoint]  # 建立中心点的集合

classNum = 3
for i in range(1, classNum):
    distance = np.zeros((sampels, lines))
    for j in range(lines):
        data = LoadOneLineData(name, hdr, j)  # samples * bands
        for point in points:  # 下一行的data-point就是samples * bands的矩阵一行一行的减1*bands的矩阵，然后将所有band的差值平方后再加和再开根号
            distance[:, j] = distance[:, j] + np.sqrt(np.sum(np.square(data - point), axis=1))  # sum设置axis=1，计算每一行的向量之和.distance[:,j]表示取第j列的所有行元素。
    newPoint = np.argmax(distance)  # 返回元素最大值所对应的索引值 #distance得出的是每个点到k个中心点的距离的和，距离最大的点就是第k+1个中心点
    points.append(LoadPointWaves(name, hdr, newPoint % lines,int(newPoint / lines)))  # append（）函数添加的元素在列表的「末尾],功能：增加一个中心点
classes = np.ones((sampels, lines)) * (-1)  # 预先定义一个图片放每一个点的类别，初始化全是-1
LastClasses = np.ones((sampels, lines)) * (-1)  # LastClasses作用是储存上一循环的分类结果，以进行比较是否可以停止循环

# kmeans
# 第一个j循环:遍历所有lines的sample*bands与各个中心点的光谱尽心比对，形成sample*lines的初步分类矩阵，第二个i循