[發(fā)明專利]基于奇異值分解和鄰域空間信息的高光譜影像分類方法

有效

• 申請?zhí)枺?/td>: 201610044303.2
• 申請日: 2016-01-22
• 公開（公告）號: CN105740884B
• 公開（公告）日: 2019-06-07
• 發(fā)明（設計）人: 廖文超;張斌;朱述龍
• 申請（專利權）人: 廈門理工學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廈門市精誠新創(chuàng)知識產權代理有限公司 35218
• 代理人: 方惠春

1.一種基于奇異值分解和鄰域空間信息的高光譜影像分類方法，其特征在于包括如下步驟：

步驟1，輸入每一類的m×n訓練樣本矩陣其中，m為訓練樣本個數，n為高光譜向量維數，j表示其對應類別；同時輸入l×n測試樣本矩陣D_l×n，l為測試樣本數量；

步驟2，利用公式A_m×n＝U_m×rS_r×rV_r×n對訓練樣本矩陣進行奇異值分解，其中，U_m×r和V_r×n分別為左、右奇異矩陣，S_r×r為對角線元素為奇異值的奇異值矩陣；設定初始值r，r為整數，其取值范圍為0<r≤min(m,n)，根據r的取值，從而計算得到第j類訓練樣本的

步驟3，對于第i個訓練樣本矩陣中的數據a_i×n，利用步驟2得到的對應每個類別的采用最小二乘方法計算其對應每一類別的殘差I_n×n為單位矩陣；比較該數據a_i×n對應每個類別的殘差大小，將其劃分到最小殘差對應的類別中；

步驟4，重復步驟3，得到每一個訓練樣本的類別，與其原有類別做對比，計算當前r對應得到訓練樣本的分類正確率，保留目前使正確率達到最大的r_max及各類然后將r加1，重復步驟2-4，在r的取值范圍內，得到訓練樣本的分類正確率最高的r_max及各類從而完成訓練過程并轉至步驟5；

步驟5，對測試樣本矩陣D_l×n中第i個數據d_i×n進行分類，1≤i≤l，具體為：利用計算其在每個類別中利用表示的殘差，式中為步驟4得到的將其劃分到殘差最小的一類，k＝3，表示方形鄰域窗口的大小；表示每一行由d_i×n鄰域像元組成的矩陣，表示鄰域矩陣對應的系數向量，每一個系數為鄰域像元的權重，(0,0)為中心像元，(i,j)表示鄰域像元在方形鄰域窗口中的位置，-k≤i,j≤k；

步驟6，重復步驟5，對測試樣本矩陣D_l×n中的每一條數據都進行分類，輸出分類結果矩陣R_l×1。

2.如權利要求1所述的基于奇異值分解和鄰域空間信息的高光譜影像分類方法，其特征在于：所述步驟2中，r的取值為5,6，…，20，初始值為5。