[發明專利]高光譜分類中光譜域空間域聯合相關約束的特征抽取方法

有效

• 申請號: 201510465944.0
• 申請日: 2015-08-03
• 公開（公告）號: CN105139026B
• 公開（公告）日: 2019-02-12
• 發明（設計）人: 劉治;唐波;肖曉燕;聶明鈺;常軍;張偉
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 趙妍

本發明公開了一種高光譜分類中光譜域空間域聯合相關約束的特征抽取方法，其特征在于，包括采用主成分析方法對原始高光譜圖像數據進行降維去噪，并抽取原始高光譜圖像數據的主成分，得到主成分分析后的樣本及其標簽；根據主成分分析后的樣本的標簽，將樣本分裂成類內樣本和類外樣本；分別對類內樣本和類外樣本進行構建光譜域相關性約束；選擇一個主成分分析后的樣本為中心樣本，得到對應其預設空間位置的鄰域樣本集合，求取中心樣本與其鄰域樣本集合內樣本的相關系數，構建空間域相關性約束；采用光譜域相關性約束和空間域相關性約束直接結合的方法，構建光譜域和空間域混合相關性特征向量，獲得高光譜圖像的光譜域空間域聯合相關約束的特征向量。

技術領域

本發明屬于高光譜圖像處理領域，尤其涉及一種高光譜分類中光譜域空間域聯合相關約束的特征抽取方法。

背景技術

高光譜圖像將傳統的空間域信息和光譜域信息有機地融合和為一體，在獲取場景空間圖像的同時，得到場景內所有對象的連續光譜。而高光譜圖像中，不同的對象對各個波段的光譜有不同的吸收率和反射率，表現為連續變化的光譜特征曲線，從而可以實現依據對象光譜特征進行分類和識別的目標。

高光譜圖像分類問題是高光譜圖像分析與應用技術的所面臨的一大難題。高光譜圖像分類的主要步驟包括兩個部分：(1)特征抽取和特征選擇；(2)特征分類。傳統的高光譜特征匹配分類方法需要大量的先驗知識，對光譜特征數據庫依賴性太高，而統計分類方法運算速度慢，精度受訓練樣本的影響較大。

已有的特征抽取和分類方法往往受限于高光譜圖像自身的缺陷，表現為算法的穩定性和魯棒性不足。同時，傳統的特征抽取方法僅僅基于光譜域特征，而忽視了豐富的空間域的信息。研究表明，結合像素空間域信息能夠明顯的提升高光譜分類的精度。

發明內容

為了彌補現有技術存在的缺陷和不足，本發明提出了一種高光譜分類中光譜域空間域聯合相關約束的特征抽取方法，該方法考慮樣本光譜域相關性和空間域相關性，并將光譜域信息與空間域信息相結合，抽取判別性特征，有效提高整個高光譜分類系統的精度。

為了達到以上目的，本發明的技術方案如下：

一種高光譜分類中光譜域空間域聯合相關約束的特征抽取方法，包括：

步驟(1)：采用主成分析方法對原始高光譜圖像數據進行降維去噪，并抽取原始高光譜圖像數據的主成分，得到主成分分析后的樣本及其標簽；

步驟(2)：根據主成分分析后的樣本的標簽，將樣本分裂成類內樣本和類外樣本；依據相關系數計算方法，分別對類內樣本和類外樣本進行構建光譜域相關性約束；

步驟(3)：選擇一個主成分分析后的樣本為中心樣本，得到對應其預設空間位置的鄰域樣本集合，求取中心樣本與其鄰域樣本集合內樣本的相關系數，并構建空間域相關性約束；

步驟(4)：采用光譜域相關性約束和空間域相關性約束直接結合的方法，構建光譜域和空間域混合相關性特征向量，最終獲得高光譜圖像的光譜域空間域聯合相關約束的特征向量。

所述步驟(1)中采用主成分析方法抽取原始高光譜圖像數據的主成分的過程包括：

步驟(1.1)：對給定的高光譜數據樣本集合，求取高光譜數據樣本集合中所有樣本的均值，并對所有樣本進行中心化；

步驟(1.2)：構建中心化后的樣本特征矩陣，并計算中心化后的樣本特征矩陣的協方差矩陣；

步驟(1.3)：對步驟(1.2)得到的協方差矩陣進行特征分解，得到一組降序排列的特征值及其對應的特征向量，選擇高光譜數據樣本的主成分；

步驟(1.4)：主成分選擇完成后，根據特征值對應的特征向量，得到主成分映射矩陣：對每個樣本進行主成分映射，得到主成分分析后的樣本，進而得到主成分析后的樣本集合。