[發(fā)明專(zhuān)利]基于稀疏表示和空譜拉普拉斯圖的高光譜數(shù)據(jù)降維方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410542949.4
• 申請(qǐng)日: 2014-10-14
• 公開(kāi)（公告）號(hào): CN104318243B
• 公開(kāi)（公告）日: 2017-09-26
• 發(fā)明（設(shè)計(jì)）人: 焦李成;陳璞花;楊淑媛;侯彪;王爽;馬文萍;馬晶晶;劉紅英
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心61205
• 代理人: 王品華,朱衛(wèi)星

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，涉及高光譜數(shù)據(jù)的前期處理，主要目的是為了減少高光譜數(shù)據(jù)的維數(shù)，從而降低后期數(shù)據(jù)處理方法的計(jì)算復(fù)雜度，同時(shí)盡可能提升其性能。該方法可以被應(yīng)用于大規(guī)模的高光譜數(shù)據(jù)聚類(lèi)或分類(lèi)中。

背景技術(shù)

數(shù)據(jù)降維處理在數(shù)據(jù)處理中起著很大的作用，許多維數(shù)過(guò)高的數(shù)據(jù)在處理之前都會(huì)進(jìn)行降維處理，一方面可以降低計(jì)算量，另一方面還可以從原有特征中挖取更有用的特征，提升后期算法的處理效果。光譜數(shù)據(jù)隨著成像設(shè)備的光譜分辨率的不斷提高，數(shù)據(jù)的維數(shù)也是越來(lái)越高，數(shù)據(jù)降維必不可少，同時(shí)，隨著設(shè)備的發(fā)展，空間分辨率也在不斷提高，數(shù)據(jù)的規(guī)模也在不斷的增大，如何處理大規(guī)模的高光譜數(shù)據(jù)也成為非常關(guān)鍵的一個(gè)問(wèn)題。

現(xiàn)有的數(shù)據(jù)降維方法很多，常用的如：主成分分析PCA，線(xiàn)性判別分析LDA，局部保持投影LPP，拉普拉斯嵌入。主成分分析及線(xiàn)性判別分析方法簡(jiǎn)單實(shí)用，但是適合于線(xiàn)性數(shù)據(jù)，對(duì)于非線(xiàn)性的數(shù)據(jù)處理效果不是很好。以往研究表明，高光譜數(shù)據(jù)中存在著流形結(jié)構(gòu)，線(xiàn)性方法并不能完全保持高光譜的數(shù)據(jù)背景。流形學(xué)習(xí)針對(duì)于非線(xiàn)性數(shù)據(jù)，利用圖嵌入的方法捕捉數(shù)據(jù)的空間結(jié)構(gòu)，將數(shù)據(jù)映射到具有同樣空間結(jié)構(gòu)的低維流行空間中，從而保持?jǐn)?shù)據(jù)間的分布結(jié)構(gòu)。

目前流形學(xué)習(xí)降維的方法有不少，如：

2000年Tenenbaum與Silva在《Science》上提出了ISOMAP，這個(gè)方法是利用非線(xiàn)性的局部變量信息學(xué)習(xí)數(shù)據(jù)集的全局集合結(jié)構(gòu)，使用了測(cè)地距離來(lái)度量高維空間中的樣本點(diǎn)距離，通過(guò)建立原數(shù)據(jù)的測(cè)地線(xiàn)距離與降維數(shù)據(jù)空間的空間距離的對(duì)等關(guān)系完成數(shù)據(jù)降維。該方法保證流形上的空間結(jié)構(gòu)在低維流行空間中依然存在，但是當(dāng)選擇較大鄰域時(shí)會(huì)出現(xiàn)短路現(xiàn)象。

2000年Roweis和Saul提出了局部線(xiàn)性嵌入法(Locally Linear Embedding,LLE),該方法的主要思想是具有低維子流形結(jié)構(gòu)的數(shù)據(jù)集，原空間與低維空間中的點(diǎn)的鄰域結(jié)構(gòu)關(guān)系式不變的。該方法很好的保留了鄰接點(diǎn)間的關(guān)系，使每個(gè)點(diǎn)的鄰接權(quán)值保持不變，但對(duì)于等距流形，嵌入效果不是很好。

2003年M.Belkin與P.Niyogi提出了拉普拉斯特征映射LE，該方法的出發(fā)點(diǎn)為：高維空間中離得很近的點(diǎn)投影到低維空間中的像應(yīng)該也會(huì)離得很近。該方法處理分類(lèi)問(wèn)題很好，但是權(quán)值計(jì)算所使用的heat kernel中的參數(shù)對(duì)嵌入結(jié)構(gòu)有很大影響。

上述方法有兩個(gè)統(tǒng)一的缺陷：(1)這些方法中很重要的步驟就是圖的構(gòu)造，當(dāng)數(shù)據(jù)規(guī)模非常大的時(shí)候，圖的存儲(chǔ)及后期的計(jì)算都是非常困難的，一般的流形學(xué)習(xí)方法無(wú)法處理大規(guī)模數(shù)據(jù)；(2)普通的流形學(xué)習(xí)方法，并沒(méi)有考慮到高光譜數(shù)據(jù)中所存在的空間結(jié)構(gòu)，只是單純的考慮其譜間的鄰域關(guān)系，導(dǎo)致對(duì)高光譜數(shù)據(jù)降維效果不理想。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的缺點(diǎn)，提出了一種基于稀疏表示和空譜拉普拉斯圖的高光譜數(shù)據(jù)降維方法，以提高高光譜數(shù)據(jù)降維的效果，便于將流行學(xué)習(xí)能推廣到大規(guī)模的高光譜數(shù)據(jù)中。

本發(fā)明的技術(shù)方案是：從大規(guī)模的高光譜數(shù)據(jù)中選擇一定量的數(shù)據(jù)作為訓(xùn)練樣本，對(duì)所選訓(xùn)練樣本進(jìn)行空譜拉普拉斯圖的構(gòu)造，對(duì)拉普拉斯矩陣進(jìn)行特征分解得到訓(xùn)練樣本的低維表示；利用高維訓(xùn)練樣本及其低維表示構(gòu)造高維字典和低維字典，將剩余的高光譜數(shù)據(jù)在高維字典上進(jìn)行稀疏表示，得到對(duì)應(yīng)的稀疏表示系數(shù)；將該稀疏表示系數(shù)與低維字典進(jìn)行相乘，得到剩余高光譜數(shù)據(jù)的低維表示，整合訓(xùn)練樣本與剩余高光譜數(shù)據(jù)的低維表示得到整體數(shù)據(jù)的低維表示。其具體步驟包括如下：

(1)從一幅高光譜圖像數(shù)據(jù)I中選擇n個(gè)數(shù)據(jù)點(diǎn)作為高維的訓(xùn)練樣本，高光譜數(shù)據(jù)維數(shù)為p，n的數(shù)值由高光譜圖像數(shù)據(jù)的規(guī)模確定，取整體數(shù)目的10％以上；

(2)對(duì)所選高維訓(xùn)練樣本進(jìn)行空譜拉普拉斯圖G的構(gòu)造：

(2a)構(gòu)造譜間圖G1：

使用譜信息散度SID作為訓(xùn)練樣本點(diǎn)間的距離度量，計(jì)算第i個(gè)訓(xùn)練樣本與其它訓(xùn)練樣本間的距離，i＝1,…,n，并對(duì)這些距離值進(jìn)行由小到大排序，選擇距離最小的N個(gè)樣本作為第i個(gè)訓(xùn)練樣本點(diǎn)的N近鄰，N的值根據(jù)具體的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行設(shè)置；

根據(jù)第i個(gè)訓(xùn)練樣本點(diǎn)的N近鄰確定第i個(gè)訓(xùn)練樣本點(diǎn)與其它訓(xùn)練樣本點(diǎn)的連接關(guān)系：若第j個(gè)訓(xùn)練樣本點(diǎn)在第i個(gè)訓(xùn)練樣本點(diǎn)的N近鄰中，則將第j個(gè)訓(xùn)練樣本點(diǎn)與第i個(gè)訓(xùn)練樣本點(diǎn)連接，并計(jì)算該連接邊的權(quán)值反之，第j個(gè)訓(xùn)練樣本點(diǎn)與第i個(gè)訓(xùn)練樣本點(diǎn)不連接，W_ij'＝0，其中x，y分別為第i個(gè)訓(xùn)練樣本點(diǎn)與第j個(gè)訓(xùn)練樣本點(diǎn)所對(duì)應(yīng)的光譜向量，參數(shù)t根據(jù)實(shí)際數(shù)據(jù)調(diào)試確定；