[發明專利]基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法

有效

• 申請號: 201710448927.5
• 申請日: 2017-06-14
• 公開（公告）號: CN107292258B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 肖亮;徐金環
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

本發明公開了一種基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法，包括以下步驟：計算高光譜圖像的低秩表示系數；聯合光譜與低秩表示系數的相似度，計算雙邊加權矩陣；采用雙邊加權矩陣調制低秩表示系數；對調制的低秩表示系數進行雙邊濾波；利用濾波后的低秩表示系數構建相似性圖；將相似性圖用于譜聚類得到最終的聚類結果。本發明充分利用了高光譜的光譜相似性和空間結構信息，與傳統的子空間聚類方法相比，聚類精度高、對噪聲的魯棒性高；可廣泛應用于國土資源、礦產調查和精準農業領域的無監督分類。

技術領域

本發明涉及遙感圖像處理技術，具體涉及一種基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法。

背景技術

高光譜圖像由于其光譜相關性及豐富的空間信息而被廣泛應用于軍事監測、精細農業和礦物監測等領域，其中，高光譜圖像聚類是最重要的研究內容之一。高光譜圖像聚類的基本原理是在圖像聚類的基礎上，結合高光譜圖像的光譜特性對目標圖像進行區分和識別。其理論依據是相同的像元間具有相同或相似的光譜空間特征，反之，不同的像元對應的光譜和空間特征不同。

目前，已經有許多針對高光譜圖像的子空間聚類算法被提出，其中最為有效的包括稀疏子空間聚類[Elhamifar E,Vidal R.Sparse Subspace Clustering:Algorithm,Theory,and Applications[J].IEEE Transactions on Pattern AnalysisMachineIntelligence,2013,35(11):2765-2781.]和低秩子空間聚類[Vidal R,Favaro P.Lowrank subspace clustering(LRSC)[J].Pattern Recognition Letters,2014,43:47-61.]。稀疏子空間聚類通過找到每個數據點的最稀疏表示而將數據點分組到不同的子空間中，同時僅從自己的子空間中選擇數據點來表示自身，因此，稀疏子空間聚類不能捕獲來自相同子空間的數據的相關結構；低秩子空間聚類旨在考慮數據的相關結構，得到包含主要類別信息的低秩數據矩陣，進而在高光譜圖像聚類中的到很好的應用。

然而，無論是稀疏子空間聚類還是低秩子空間聚類都僅僅利用了高光譜的光譜信息的相關性，沒有有效聯合空間-光譜信息，聚類精度較低，而且當數據存在噪聲時算法性能下降。

發明內容

本發明的目的在于提供一種基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法。

實現本發明目的的技術解決方案為：一種基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法，包括如下步驟：

步驟1，計算高光譜圖像的低秩表示系數；

步驟2，聯合光譜與低秩表示系數的相似度，計算雙邊加權矩陣；

步驟3，采用雙邊加權矩陣調制低秩表示系數；

步驟4，對調制的低秩表示系數進行雙邊濾波；

步驟5，利用濾波后的低秩表示系數構建相似性圖；

步驟6，將相似性圖用于譜聚類得到最終的聚類結果。

本發明與現有技術相比，其顯著優點為：(1)本發明聯合光譜信息和低秩表示系數的相似度，計算雙邊加權矩陣，調制低秩表示系數，有效利用高光譜數據的結構信息和光譜特征信息，提高了高光譜圖像的聚類效果；(2)根據高光譜圖像的空間結構信息，引入空間雙邊濾波，聚類算法對噪聲的魯棒性高。

附圖說明

圖1是本發明的基于雙邊加權調制與濾波的高光譜圖像低秩表示聚類方法流程圖。

圖2是低秩表示系數視覺效果圖。

圖3是雙邊加權系數矩陣的視覺效果圖。

圖4是雙邊加權調制后的低秩表示系數視覺效果圖。