[發明專利]一種基于加權鄰域的多尺度高光譜圖像分類方法

有效

• 申請號: 201911389999.2
• 申請日: 2019-12-27
• 公開（公告）號: CN111199251B
• 公開（公告）日: 2020-11-27
• 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: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 宋紅賓

本發明提供一種基于加權鄰域的多尺度高光譜圖像分類方法，包括以下步驟：(1)、讀入高光譜圖像數據；(2)、根據高光譜數據選取訓練樣本，構建字典D；(3)、確定待處理測試樣本的多尺度鄰域信息；(4)、針對尺度為C_e的鄰域集合，確定鄰域元素所占的權重；(5)、求解尺度為C_e鄰域所對應的系數矩陣Ψ_e；(6)、重構樣本，計算尺度為C_e鄰域所對應的重構殘差集合R_e；(7)、計算不同尺度鄰域所對應的重構殘差信息；(8)、通過重構殘差集合，最終確定高光譜像元類別。本發明通過對鄰域元素分配不同的權重，來考慮不同元素之間的差異性；采用多尺度鄰域，使不同尺度鄰域的豐富信息得到綜合的利用；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，特別涉及一種基于加權鄰域的多尺度高光譜圖像分類方法。

背景技術

高光譜圖像通過光學傳感器所采集，通常高光譜圖像具有維數高、信息海量等特點。高光譜圖像分類是將每個像元所包含的所有波譜信息作為一個整體，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，依據這種差異性將每個像元賦予樣本類別標號。聯合協作表達分類(Joint collaborative representationclassification,JCRC)被成功的引入高光譜圖像分類中，并具有一定的優勢。

JCRC：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。采用一個固定尺寸的正方形窗口作為鄰域窗口，其中測試像元x作為中心元素，將鄰域中所有像元組成聯合矩陣XJ來參與系數ψ的求解。ψ可用獲取，||·||_F表示Frobenius范數，λ為大于零的數，為平衡因子。最終JCRC通過選取最小殘差的類別來標記測試像元x。

JCRC分類方法存在的問題：1、鄰域內元素在分類中所占比重相同，沒有考慮到元素的差別性。2、鄰域尺度單一，沒有有效的利用多尺度鄰域的豐富信息。

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，提供了一種基于加權鄰域的多尺度高光譜圖像分類方法，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：

一種基于加權鄰域的多尺度高光譜圖像分類方法，包括以下步驟：

(1)、讀入高光譜圖像數據；

(2)、根據高光譜數據選取訓練樣本，構建字典D；

(3)、確定待處理測試樣本的多尺度鄰域信息；

(4)、針對尺度為C_e的鄰域集合，確定鄰域元素所占的權重；

(5)、求解尺度為C_e鄰域所對應的系數矩陣Ψ_e；

(6)、重構樣本,計算尺度為C_e鄰域所對應的重構殘差集合R_e；

(7)、計算不同尺度鄰域所對應的重構殘差信息；

(8)、通過重構殘差集合，最終確定高光譜像元類別。

優選的，步驟(1)包括以下過程：

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。

優選的，步驟(2)包括以下過程：