[發明專利]一種基于SIFT?LPP的高光譜遙感影像特征提取方法

在審

• 申請號: 201611039115.7
• 申請日: 2016-11-21
• 公開（公告）號: CN106778494A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 高紅民;陳玲慧;李臣明;楊耀;樊悅;謝科偉;周惠;黃昌運;李曉靜;張振
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 柏尚春

技術領域

本發明涉及高光譜遙感影像特征提取領域，特別是涉及一種基于SIFT-LPP的高光譜遙感影像特征提取方法。

背景技術

高光譜遙感影像具有信息量大、光譜分辨率高的特點，更易于遙感地物的分類和識別，已成為遙感應用領域的一大熱點。然而，高光譜遙感影像的高分辨率是以數據維度的變大和數據間相關性的變大為代價，同時也給影像的分析和處理提出了挑戰。例如，信息的冗余度高、數據存儲和處理時間長、易產生維數災難現象等。因此，高光譜遙感影像在實際應用之前進行降維處理變得十分迫切，如何從數百波段中選擇出高精度的波段組合仍是一個亟待解決的問題。然而，現有技術中的高光譜遙感影像特征提取方法往往地物識別分類精度較低。

發明內容

發明目的：本發明的目的是提供一種能夠解決現有技術中存在的缺陷的基于SIFT-LPP的高光譜遙感影像特征提取方法。

技術方案：本發明所述的基于SIFT-LPP的高光譜遙感影像特征提取方法，包括以下步驟：

S1：找到影像的特征關鍵點m_i(x,y,σ)，σ為高斯正態分布的方差；

S2：以特征關鍵點m_i(x,y,σ)為中心，選取4*4大小的區域，構建128維特征向量SIFT_i，并進行歸一化處理，獲得向量d＝(d₁,d₂,…,d_n)^T，d_i∈R^N，i＝1,2,…,n；其中，n為維度；

S3：將向量d＝(d₁,d₂,…,d_n)^T通過矩陣W_PCA映射到PCA子空間，得到向量α＝(α₁,α₂,…,α_n)^T；

S4：構造最近鄰圖G和相似矩陣S：將PCA子空間向量的數據點α_i相應的n個節點圖用鄰圖G體現，然后在α_i相應的節點i和α_j相應的節點j處設立邊緣，其中α_i和α_j之間相差k個最近的樣本點，并利用式(1)計算出相似矩陣S中的元素S_ij；

S5：通過式(2)求解n個特征值和n個特征向量，將得到的特征向量構成矩陣W_LPP，從而得到算法的映射矩陣W為W＝W_PCAW_LPP；

XLX^Tw＝λXDX^Tw (2)

式(2)中，X＝{x₁,x₂,…,x_n}，L＝D-S，λ為實數，w為映射矩陣W中的向量；

S6：對影像進行SVM分類，以平均分類精度來驗證算法的有效性。

進一步，所述步驟S1中的特征關鍵點m_i(x,y,σ)通過以下步驟找到：

S1.1：對原始輸入的高光譜遙感影像I(x,y)進行高斯濾波，生成的尺度空間函數L(x,y,σ)如式(3)所示：

式(3)中，G(x,y,σ)為高斯函數，如式(4)所示；

S1.2：在尺度空間內，構建高斯函數差分的DOG函數D(x,y,σ)，如式(5)所示：

式(5)中，k為一個實數；

S1.3：在生成的尺度空間內，通過對比當前尺度的圖像像素與相鄰的8個像素點以及上下不同尺度的圖像的各9個像素點的像素大小，選擇出局部的極值點作為特征關鍵點m_i(x,y,σ)。

有益效果：本發明公開了一種基于SIFT-LPP的高光譜遙感影像特征提取方法，利用SIFT算子對LPP算法進行了改進，不單考慮了所要識別的地物本身的光譜特性，還兼顧了與其臨近的地物光譜信息以及空間布局，有效提高了地物識別分類精度。

附圖說明

圖1為現有技術中的LPP算法的示意圖；

圖2為本發明具體實施方式的SIFT特征提取過程的示意圖；

圖3為本發明具體實施方式生成的尺度空間的示意圖；

圖4為本發明具體實施方式的DOG尺度空間極值檢測的示意圖；