[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

本發明涉及遙感信息處理技術領域，特別涉及一種基于自適應鄰域及字典的聯合協作表達高光譜分類方法，(1)讀入高光譜圖像數據，并提取第一主成分分量即PC1；(2)利用PC1，尋找每個像元的自適應鄰域集合，并保存；(3)通過自適應鄰域，進行圖像均值濾波；(4)根據均值高光譜數據構建自適應字典D^k；(5)求解對應的系數矩陣ψ；(6)重構樣本，計算對應的殘差；(7)確定高光譜像元類別；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。本發明應用自適應鄰域對圖像中空間信息進行了有效提取，使用自適應字典避免了不相關元素的參與，分類圖視覺效果好，提高了分類的精度。

技術領域

本發明涉及遙感信息處理技術領域，特別涉及一種基于自適應鄰域及字典的聯合協作表達高光譜分類方法。

背景技術

高光譜圖像分類以光學傳感器所采集的高維圖像作為處理對象，分類的目的是將圖像以像元為單位，給每個像元賦予一個標簽類別。分類的依據為不同類別所對應的波譜信息由于地物反射電磁能量不同而存在一定的差異性。隨著技術的發展，協作表達分類(collaborative representation classification,CRC)被成功的引入高光譜圖像分類中，并具有一定的優勢。

現有的高光譜圖像協作表達分類方法中主要存在以下問題：1、針對不同的像元，高光譜圖像中的鄰域信息沒有得到自適應性有效地提取。2、針對不同的像元，字典集合中不相關元素并沒有得到自適應地篩減。上述問題導致高光譜圖像不能得到較好的表達致使分類精度不高。針對以上問題，本發明提出一種基于自適應鄰域及字典的聯合協作表達高光譜分類方法。

現有技術的CRC：假設高光譜圖像含有j個不同類別的樣本，每個類別中選取出一定的訓練樣本構成訓練數據D。采用基于l₂-范數約束表達式求解高光譜圖像中所測試像元x的系數α：其中，||·||₂表示l₂-范數，λ為大于零的數，為平衡因子。最終CRC通過選取具有最小正則化重建誤差的所對應類別來確定測試像元x的類別。

該技術的缺點有：

1、針對不同的像元，高光譜圖像中的鄰域信息沒有得到自適應性有效地提取。

2、針對不同的像元，字典集合中不相關元素并沒有得到自適應地篩減。

上述問題導致高光譜圖像不能得到較好的表達致使分類精度不高。

發明內容

本發明針對現有技術的缺陷，提供了一種基于自適應鄰域及字典的聯合協作表達高光譜分類方法，能有效的解決上述現有技術存在的問題。

為了實現以上發明目的，本發明采取的技術方案如下：

基于自適應鄰域及字典的聯合協作表達高光譜分類方法，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(the first principalcomponent)；

(1.1)維數轉換，將三維數據轉換為二維數據S；

(1.2)將二維數據S中心化，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；

(1.4)提取PC1；

(2)利用PC1，尋找每個像元的自適應鄰域集合，并保存；

(2.1)確定鄰域的尺度集合和方向；

(2.2)針對每個方向找出所對應的自適應鄰域尺度；

(2.3)確定自適應鄰域集合，并保存；

(3)通過自適應鄰域，進行圖像均值濾波；