[發明專利]基于局部一致性的遙感影像半監督投影降維方法

有效

• 申請號: 201210366079.0
• 申請日: 2012-09-27
• 公開（公告）號: CN102902984A
• 公開（公告）日: 2013-01-30
• 發明（設計）人: 楊淑媛;焦李成;徐雯暉;劉芳;緱水平;侯彪;王爽;楊麗霞;鄧曉政;王秀秀
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于局部一致性的遙感影像半監督投影降維方法，包括如下步驟：

(1)劃分遙感影像數據集

將待處理的高光譜數據集作為測試集，按訓練-測試樣本比選取帶標簽樣本組成有監督信息的訓練集；

(2)生成矩陣

2a)采用語義相似矩陣公式生成測試集的標簽矩陣；

2b)采用近鄰方法生成測試集的近鄰矩陣；

2c)采用局部一致性約束方法生成測試集的局部一致性矩陣；

(3)融合標簽矩陣和近鄰矩陣

采用點積和歸一化方法融合標簽矩陣和近鄰矩陣；

(4)生成近鄰均值向量

采用局部近鄰均值向量公式生成近鄰均值向量；

(5)生成散度矩陣

5a)采用相異散度矩陣公式生成測試集的相異散度矩陣；

5b)采用相似散度矩陣公式生成測試集的相似散度矩陣；

5c)采用局部一致性散度矩陣公式生成測試集的局部一致性散度矩陣；

(6)求解最優投影矩陣

采用特征值分解方法求解最優投影矩陣；

(7)投影降維

將最優投影矩陣和測試樣本集矩陣相乘，得到測試樣本集矩陣的降維矩陣。

2.根據權利要求1所述的基于局部一致性的遙感影像半監督投影降維方法，其特征在于：步驟(1)所述的訓練-測試樣本比的選取范圍為1/120～1/10。

3.根據權利要求1所述的基于局部一致性的遙感影像半監督投影降維方法，其特征在于：步驟2a)所述的語義相似矩陣公式如下：

其中，S_ij表示測試集的標簽矩陣第i行第j列位置對應的元素，i＝1，2，...，N，j＝1，2，...，N，N表示測試集所有樣本的總個數；x_i和x_j表示測試集的第i和j個樣本。

4.根據權利要求1所述的基于局部一致性的遙感影像半監督投影降維方法，其特征在于：步驟2b)所述的近鄰方法如下：

第一步，對于測試集中每一個樣本，找出與該樣本距離最近的k個樣本，將得到的所有樣本組成近鄰結構集合V，k的取值范圍為1～20；

第二步，采用下列幾何結構矩陣公式生成近鄰矩陣：

其中，G_ij表示測試集的近鄰矩陣第i行第j列位置對應的元素，i＝1，2，...，N，j＝1，2，...，N，N表示測試集所有樣本的總個數；x_i和x_j表示測試集的第i和j個樣本；V表示近鄰結構集合。

5.根據權利要求1所述的基于局部一致性的遙感影像半監督投影降維方法，其特征在于：步驟2c)所述的局部一致性約束方法如下：

第一步，對于測試集中每一個樣本，采用下列不等式約束公式，逐一找出測試集樣本對應坐標與該樣本對應坐標滿足約束的樣本：

|x-a_i|≤c

|y-b_i|≤c

其中，x表示滿足約束的樣本對應的橫坐標值；a_i表示測試集的第i個樣本對應的橫坐標值，i＝1，2，...，N，N表示測試集所有樣本的總個數；c表示約束寬度值，取值范圍為1～10；y表示滿足約束的樣本對應的縱坐標值；b_i表示測試集的第i個樣本對應的縱坐標值；

第二步，將找到的所有滿足約束的樣本組成局部一致性約束集合L；

第三步，采用下列局部一致性約束矩陣公式生成局部一致性矩陣：

其中，C_ij表示測試集的局部一致性矩陣的第i行第j列位置對應的元素，i＝1，2，...，N，j＝1，2，...，N，N表示測試集所有樣本的總個數；x_i和x_j表示測試集的第i和j個樣本；L表示局部一致性約束集合。