[發明專利]基于自適應鄰域及字典的聯合協作表達高光譜分類方法

有效

• 申請號: 201811246753.5
• 申請日: 2018-10-25
• 公開（公告）號: CN109543717B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 楊京輝
• 申請（專利權）人: 中國地質大學（北京）
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 董芙蓉

1.基于自適應鄰域及字典的聯合協作表達高光譜分類方法，其特征在于，包括如下步驟：

(1)讀入高光譜圖像數據，并提取第一主成分分量即PC1；

所述的步驟(1)具體包括以下過程：

(1.1)維數轉換，將三維數據轉換為二維數據S；

讀入三維高光譜數據維數為b*L*q，其中圖像大小為b*L，具有q個波段；將三維數據平鋪展開為二維數據S，維數為其中

(1.2)將二維數據S中心化，得到中心化向量Y；

將S減去所對應的均值向量得到中心化向量Y；

(1.3)計算Y的協方差矩陣，并求取對應特征值向量；

計算Y的協方差矩陣COV＝E{YY^T}，E{·}表示數學期望，上標T表示矩陣轉置；通過求解得到協方差矩陣COV所對應的特征值矩陣W和特征向量矩陣Λ；其中，滿足COV＝ΛWΛ^T；

(1.4)提取PC1；

找到特征值矩陣W中最大特征值，其所對應的特征向量為w₁，進行矩陣投影得到PC1，有PC1＝w₁^TY；

(2)利用PC1，尋找每個像元的自適應鄰域集合，并保存；

所述的步驟(2)具體包括以下過程：

(2.1)確定鄰域的尺度集合和方向；

針對高光譜圖像的PC1給出m個鄰域尺度h所構成的尺度集合H，H＝{h₁,h₂,…,h_m}(h₁＜h₂…＜h_m)，其中，m為尺度個數，為正整數；

針對高光譜圖像的PC1給出N個不同的方向θ_n(n＝1,2,…,N)；

(2.2)針對每個方向找出所對應的自適應鄰域尺度；

包括以下步驟：

(a)針對像元x，計算不同方向所對應的尺度估計值y(x,θ_n)_h，其中為卷積運算，為局部多項式自適應核，h∈H；

(b)計算y(x,θ_n)_h對應的置信區間C(x,θ_n)_h，如式(1)：

C(x,θ_n)_h＝[y(x,θ_n)_h-βσ(x,θ_n)_h,y(x,θ_n)_h+βσ(x,θ_n)_h] (1)

其中β＞0為閾值，σ(x,θ_n)_h為標準偏差；

(c)確定每個方向所對應的最佳鄰域尺度；

根據式(2)確定θ_n方向所對應的最佳鄰域尺度h⁺(x,θ_n)；

其中h_v∈H，h⁺(x,θ_n)∈H；

(2.3)確定自適應鄰域集合，并保存；

以像元x為中心，在一維平面內將最佳鄰域尺度作為不同方向對應的長度進行延伸，將不同方向的終點進行連接，最終構成一個多邊形，多邊形所覆蓋的像元集合為像元x的自適應鄰域；

針對圖像中所有的像元均通過步驟(2)來逐一確定各自所對應的自適應鄰域，并將各自鄰域位置信息進行保存；

(3)通過自適應鄰域，進行圖像均值濾波；

所述的步驟(3)具體包括以下步驟：

針對像元x，提取其自適應鄰域位置信息，并將鄰域內所有像元的原始光譜數據進行堆疊構成鄰域矩陣A＝[x₁,x₂,…,x_p]，p為自適應鄰域中像元的數目；

針對鄰域矩陣進行均值濾波，得到平均值如式(3)：

針對圖像中所有的像元均進行步驟(3)中的均值濾波，最終得到一副均值高光譜數據圖像；

(4)根據均值高光譜數據構建自適應字典D^k；

所述的步驟(4)具體包括以下步驟：

(4.1)構建訓練集字典D；

均值高光譜數據高光譜數據一共包含j個類別地物，從各個類別各選取一部分像元樣本來構成訓練集字典D；

(4.2)計算與字典D中每個字典原子的歐式距離；

通過式(4)計算與字典原子的歐式距離；

其中d_u為字典D中原子，D一共含有z個原子；

(4.3)根據距離排序構建自適應字典D^k；

將所計算距離按照升序進行排列，并將前k個最小距離所對應的字典原子進行堆疊，構建為所對應的自適應字典D^k＝[d₁,d₂,…,d_k]；上標k代表自適應字典中的字典原子數目；

(5)求解對應的系數矩陣ψ；

所述的步驟(5)具體包括以下步驟：

通過式(5)求解高光譜圖像中所對應的測試像元的系數矩陣：

其中，λ＞0為平衡因子，Γ為偏置正則矩陣，如式(6)：

系數矩陣ψ的解為式(7)：

(6)重構樣本，計算對應的殘差；

所述的步驟(6)具體包括以下步驟：

首先將自適應字典與所其對應的系數矩陣相乘得到重構樣本；針對重構的樣本，計算并保存對應的重構殘差；第i類的殘差計算如式(8)：

上式中下標i表示對應的為i類；

(7)確定高光譜像元類別；

所述的步驟(7)具體包括以下步驟：

的類別被確定具有最小鄰域殘差所對應的那一類，如式(9)：

高光譜圖像中的每個測試樣本都經過步驟(4)至步驟(7)的處理過程，最終輸出高光譜圖像分類結果。