[發(fā)明專利]一種基于局部保留投影的高光譜圖像稀疏表示分類方法

有效

• 申請?zhí)枺?/td>: 201910978651.0
• 申請日: 2019-10-15
• 公開（公告）號: CN110717485B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計(jì)）人: 于浩洋;張瀟;胡姣嬋;宋梅萍;尚曉笛;張建祎
• 申請（專利權(quán)）人: 大連海事大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/143
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜玉蓉;李洪福

本發(fā)明公開了一種基于局部保留投影的高光譜圖像稀疏表示分類方法，包括：獲取高光譜圖像信息構(gòu)建鄰接圖，計(jì)算鄰接圖中邊的權(quán)重，結(jié)合權(quán)重信息進(jìn)行特征映射獲得投影變換矩陣；應(yīng)用局部保留投影算法，將原始高光譜圖像投影至低維度的流形子空間；采用稀疏表示分類模型對投影后的圖像數(shù)據(jù)進(jìn)行分類得到分類結(jié)果圖像。該方法首先使用局部保留投影算法降低了原始數(shù)據(jù)的維度，保留了圖像的鄰域細(xì)節(jié)信息，避免冗余信息對稀疏表示產(chǎn)生的誤差和干擾，最后稀疏表示分類模型的引入完成了對投影后的圖像的分類。本方法提高了局部保留投影對于特征響應(yīng)的能力，增強(qiáng)了稀疏表示分類模型的判定效果。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于局部保留投影的高光譜圖像稀疏表示分類方法。

背景技術(shù)

遙感是一門對地觀測的科學(xué)技術(shù)。高光譜遙感是當(dāng)前遙感技術(shù)的前沿領(lǐng)域，是用很窄而連續(xù)的光譜通道對地物持續(xù)遙感成像的技術(shù)，通常具有波段多，波段寬度窄，光譜分辨率高等特點(diǎn)。高光譜圖像是一個(gè)三維數(shù)據(jù)立方體，是包含豐富的空間、光譜、輻射信息的高維數(shù)據(jù)，高光譜圖像的分析與處理已經(jīng)成為遙感影像研究的熱點(diǎn)之一。

分類是把多維特征空間劃分為若干區(qū)域，每個(gè)區(qū)域相當(dāng)于一類。高光譜圖像分類對地質(zhì)勘探、農(nóng)作物檢測、國防軍事等領(lǐng)域起著實(shí)質(zhì)性的重要作用，現(xiàn)有的面向高光譜圖像特點(diǎn)的分類方法包括以下兩類：一是基于圖像數(shù)據(jù)統(tǒng)計(jì)特性的分類方法；二是基于地物物性的分類方法，主要是利用反映地物物理光學(xué)性質(zhì)的光譜來識別。常用的分類策略包含光譜特征匹配、光譜波形匹配、基于目標(biāo)分解的神經(jīng)網(wǎng)絡(luò)分類、支持向量機(jī)、像元空間關(guān)聯(lián)光譜圖像分類等。

由于高光譜圖像具有數(shù)據(jù)量大、波段數(shù)多、波段間相關(guān)性強(qiáng)等特點(diǎn)，對其進(jìn)行分類時(shí)，會因?yàn)榉诸愃璧挠?xùn)練樣本不足，導(dǎo)致分類精度隨著波段數(shù)的增多而降低，如何減少波段數(shù)量且盡量保留有用信息已成為高光譜遙感領(lǐng)域的研究熱點(diǎn)問題。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術(shù)存在的問題，本發(fā)明公開了一種基于局部保留投影的高光譜圖像稀疏表示分類方法，具體包括如下步驟：

獲取高光譜圖像信息，構(gòu)建鄰接圖，計(jì)算鄰接圖中邊的權(quán)重，結(jié)合權(quán)重信息進(jìn)行特征映射，獲得投影變換矩陣；

應(yīng)用局部保留投影算法將原始高光譜圖像投影至低維度的流形子空間；

采用稀疏表示分類模型對投影后的圖像數(shù)據(jù)進(jìn)行分類得到分類結(jié)果圖像。

所述局部保留投影，作為一種基于流形學(xué)習(xí)的投影算法，通過投影變換矩陣將高維的原始數(shù)據(jù)投影至低維的流形子空間。具有能夠保留圖像鄰域細(xì)節(jié)信息，計(jì)算效率高的特點(diǎn)。所述投影變換矩陣采用如下方式獲取：連接圖像中的相鄰像素點(diǎn)，構(gòu)建鄰接圖，通過圖像的像元信息，計(jì)算每條連接線相應(yīng)的權(quán)重，結(jié)合權(quán)重信息進(jìn)行特征映射，采用廣義特征值分解求得其特征值和特征向量，根據(jù)特征值的排列順序，定義流形學(xué)習(xí)后的空間維度，并提取對應(yīng)特征向量，組成投影變換矩陣實(shí)現(xiàn)最終的投影變換，具體形式為：

XLX^Tz＝λXΛX^Tz??(1)

其中X表示原始高光譜圖像，包含n個(gè)像元，B個(gè)波段，Λ是一個(gè)對角陣，Λ＝∑_jW_ji＝∑_iW_ij，L＝Λ-W表示拉普拉斯矩陣，Z＝(z₁,z₂,...z_B)表示特征向量矩陣，對應(yīng)升序排列的特征值λ₁λ₂...λ_B，取出前m個(gè)特征值及其對應(yīng)的特征向量，構(gòu)成投影變換矩陣，從而LPP算法結(jié)果為：

其中Z_m＝(z₁,z₂,...z_m)表示投影變換矩陣，x_i,j是位于位置(i,j)的待分類像元，表示投影后的像元向量。