[發明專利]基于多流形的多時相高光譜圖像分類方法

有效

• 申請號: 201611033506.8
• 申請日: 2016-11-16
• 公開（公告）號: CN106778490B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 谷延鋒;張美玲
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 岳昕

1.基于多流形的多時相高光譜圖像分類方法，其特征在于：基于多流形的多時相高光譜圖像分類方法，具體過程為：

步驟一、輸入源圖像1、源圖像2和目標圖像中樣本的光譜矩陣X^s1,X^s2,X^t和X^s1,X^s2,X^t的空間坐標L₁,L₂,L₃，以及X^s1,X^s2各行相應類別標簽向量Y₁，Y₂；

步驟二、計算X^s1、X^t的空譜距離矩陣d₁₃，X^s2、X^t的空譜距離矩陣d₂₃，X^s1、X^s2的空譜距離矩陣d₁₂,源圖像中的每一類樣本都在目標圖像中選擇空譜距離最小的k個樣本，得到三組需要匹配的數據對；

步驟三、計算X^s1、X^s2、X^t的測地距離矩陣D^s1,s1、D^s2,s2、D^t,t，以及利用三組需要匹配的數據對得到不同時相圖的光譜的距離矩陣D^s1,s2、D^s1,t、D^s2,t；

步驟四、調整X^s2,X^t的數據尺度，用D^s1,s1、D^s2,s2、D^t,t、D^s1,s2、D^s1,t、D^s2,t構建多流形的距離矩陣D；具體過程為：

步驟四一、將源圖像X^s2和目標圖像X^t調整到同樣尺度的空間，即：

η₂＝tr(D_a1^TD_a1)/tr(D_b1^TD_b1)

η＝tr(D_a1^TD_a1)/tr(D_bt^TD_bt)

式中，η₂為X^s2的尺度因子，η為X^t的尺度因子，D_a1為一個l×l的矩陣，D_a1(i,j)是x^s1_ai和x^s1_aj的距離，x^s1_ai為源圖像1匹配數據中的第a_i個樣本，x^s1_aj為源圖像匹配數據中的第a_j個樣本；D_b1為一個l×l的矩陣，D_b1(i,j)是x^s2_bi和x^s2_bj的距離，x^s2_bi為源圖像2匹配數據中的第b_i個樣本，x^s2_bj為源圖像匹配數據中的第b_j個樣本；D_bt為一個l×l的矩陣，D_bt(i,j)是x^t_bi和x^t_bj的距離，x^t_bi為目標圖像匹配數據中的第b_i個樣本，x^t_bj為目標圖像匹配數據中的第b_j個樣本；T為轉置；為調整后的目標圖像；為調整后的源圖像2；

步驟四二、計算距離矩陣D，表示多流形的聯合幾何結構：

步驟五、將X^s1,D輸入到保持全局幾何結構的流形對準模型中，獲得X^s1,在對準空間的線性映射矩陣α₁,α₂,β,從而得到投影f^s1,f^s2,f^t；具體過程為：

步驟五一、構建原始數據混合矩陣Z：

將X^s1,D輸入到保持全局幾何結構的對準模型中，模型定義如下：

其中S＝D²，并且H＝I-(1/m)ee^T，I表示單位矩陣，e是全為1的向量，m是源圖像和目標圖像中樣本的大小，α₁,α₂,β分別為源圖像X^s1,和目標圖像在對準空間的線性映射矩陣；q為調整映射函數尺度系數，為正整數；

步驟五二、假定其中α₁,α₂,β分別為源圖像X^s1,和目標圖像在共同空間的線性映射矩陣，其中γ的求取可以轉化為如下特征值問題求解：

式中，T為轉置；γ為線性映射矩陣；λ為求解得到的特征值；

步驟五三、利用α₁,α₂,β作為映射向量將原始數據X^s1,投影到共同空間中，計算方法如下：

f^s1＝α₁^TX^s1

步驟六、利用f^s1,f^s2和X^s1各行相應類別標簽向量Y₁，以及各行相應類別標簽向量Y₂通過KNN分類模型對f^t進行分類，獲得目標時相的分類標簽。