[發(fā)明專利]一種基于局部低秩表示的半監(jiān)督高光譜圖像分類方法

有效

• 申請?zhí)枺?/td>: 201711067416.5
• 申請日: 2017-11-03
• 公開（公告）號: CN107832790B
• 公開（公告）日: 2020-08-25
• 發(fā)明（設計）人: 任守綱;萬升;顧興健;徐煥良;李慶鐵
• 申請（專利權）人: 南京農業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 莫英妍;徐冬濤

1.一種基于局部低秩表示的半監(jiān)督高光譜圖像分類方法，其特征在于，包括以下步驟：

步驟1：在高光譜圖像的空間域中，以待分類樣本為中心選取空間鄰域：分別選取待分類樣本X₀的上下左右4個近鄰像素X_i作為低秩約束樣本，并在剩余的樣本中選取近鄰的16個樣本作為對應的字典原子D_m，其中，i＝1,2,3,4，m＝1,2,...,16，并建立若干個空間鄰域結構；

步驟2：對每一個空間鄰域結構中的低秩約束樣本進行局部低秩建模，采用非精度增廣拉格朗日乘子法來獲取低秩系數(shù)Z，具體步驟為：

步驟2-1：初始化參數(shù)：Z＝J＝0，E＝0，Y₁＝0，Y₂＝0，μ＝10^-6，μ_max＝10⁶，ρ＝1.1，ε＝10^-8，E為噪聲，J、Y₁、Y₂、μ、μ_max、ρ、ε均為過渡參數(shù)無實際含義；

步驟2-2：對變量進行迭代更新：

當||X-DZ-E||_∞＞ε或||Z-J||＞ε時，執(zhí)行：

Y₁＝Y₁+μ(X-DZ-E)

Y₂＝Y₂+μ(Z-J)

μ＝min(ρμ,μ_max)

步驟2-3：計算得到低秩系數(shù)Z；

步驟3：對空間鄰域中無標簽的樣本進行標簽初始化；

步驟4：從局部低秩系數(shù)中獲取樣本間的空譜信息，進行半監(jiān)督的高光譜圖像分類，得到分類圖像。

2.根據(jù)權利要求1所述的基于局部低秩表示的半監(jiān)督高光譜圖像分類方法，其特征在于，步驟2中局部低秩建模公式為：

滿足X_n＝D_n·Z_n+E_n，其中，n為空間鄰域的標號，Z_n為低秩系數(shù)，E_n為噪聲，X_n是低秩約束樣本，D_n為字典原子，*表示核范數(shù)，F(xiàn)表示Frobenius范數(shù)，λ用來控制噪聲的權重，λ＞1.3。

3.根據(jù)權利要求1所述的基于局部低秩表示的半監(jiān)督高光譜圖像分類方法，其特征在于，步驟3中標簽初始化的具體步驟為：

步驟3-1：根據(jù)有標簽樣本和無標簽樣本的光譜特征，構建權重矩陣W_ij：

滿足其中，x_i、x_j均為圖像中的樣本點，N(x_i)表示x_i的鄰域范圍；

步驟3-2：根據(jù)權重矩陣構建概率傳播矩陣P_ij：

其中，p用來指示矩陣W的所有列，W_ip表示矩陣W的第i行、第p列元素；

步驟3-3：根據(jù)概率傳播矩陣執(zhí)行標簽傳播：

其中，F(xiàn)_l+u表示所有樣本的標簽，k為迭代次數(shù)。

4.根據(jù)權利要求1所述的基于局部低秩表示的半監(jiān)督高光譜圖像分類方法，其特征在于，步驟4中半監(jiān)督的高光譜圖像分類包括半監(jiān)督迭代更新標簽，具體為：

其中，是字典的標簽，F(xiàn)_n是低秩約束樣本的標簽，n代表空間鄰域的索引號，k是迭代次數(shù)，迭代完成后，從F_n和中得到所有無標簽樣本的標簽。