[發明專利]一種基于空譜局部性低秩超圖學習的高光譜圖像分類方法有效
| 申請號： | 201610134494.1 | 申請日： | 2016-03-09 |
| 公開（公告）號： | CN105787516B | 公開（公告）日： | 2019-07-16 |
| 發明（設計）人： | 劉青山;孫玉寶;杭仁龍;王素娟 | 申請（專利權）人： | 南京信息工程大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 江蘇愛信律師事務所 32241 | 代理人： | 唐小紅 |
| 地址： | 210000 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 局部性 超圖 學習 光譜 圖像 分類 方法 | ||
【權利要求書】：
1.一種基于空譜局部性低秩超圖學習的高光譜圖像分類方法，其特征在于，對高光譜數據進行空譜局部性約束的低秩表示，從而構建超圖模型，運用半監督超圖學習模型實現高光譜圖像分類，包括以下步驟：
步驟1、輸入高光譜數據集，組成光譜特征矩陣X∈Rd×n，d為光譜維數，n為圖像的像素數；
步驟2、融入空譜局部性約束，構建空譜局部性約束的低秩表示模型：
其中，λ＞0為正則化參數，β是約束的強度系數；
步驟3、使用交替方向乘子算法迭代求解，得到稀疏系數矩陣Z；
步驟4、根據步驟3模型中所得的重建系數矩陣Z構建空譜局部性低秩超圖G＝(V,E,ω)，超圖的頂點對應圖像的一個像素點，zi中非零大系數的樣本為xi的鄰近樣本，與xi組成一條超邊，其權重的計算為：
步驟5、根據步驟4中所建立的空譜局部性低秩超圖，進行半監督超圖學習，學習模型為：
其中，γ是正則化參數，L是正則化之后的超圖的拉普拉斯算子矩陣；
步驟6、設置相關參數，迭代求解步驟5中模型，輸出光譜特征數據集X的分類結果矩陣F*。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京信息工程大學，未經南京信息工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201610134494.1/1.html，轉載請聲明來源鉆瓜專利網。
