[發明專利]基于多流形學習算法的高光譜影像數據分類方法及系統

有效

• 申請號: 202011243735.9
• 申請日: 2020-11-10
• 公開（公告）號: CN112329654B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 丁玲;竇愛霞;王書民
• 申請（專利權）人: 中國地震局地震預測研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

1.一種基于多流形學習算法的高光譜影像數據分類方法，其特征在于，包括：

對獲取的高光譜遙感影像進行圖像分割，得到已知類別對象數據集和未知類別對象數據集；

采用光譜角度量方式的等距特征映射算法，對所述已知類別對象數據集進行降維處理，得到每個所述已知類別對象數據集的第一低維流形數據集以及每個所述第一低維流形數據集對應的第一本征維數；

采用光譜角度量方式的等距特征映射算法，按照每個所述第一本征維數的數值，對同一個所述未知類別對象數據集分別進行降維處理，循環操作，直至得到每個所述未知類別對象數據集對應的多個第二低維流形數據集；其中，一個所述未知類別對象數據集對應的所述第二低維流形數據集的總數與所述第一本征維數的總數相同；

采用局部線性嵌入算法，計算每個所述未知類別對象數據集對應的每個第二低維流形數據集分別與每個所述第一低維流形數據集的相似度，得到每個所述未知類別對象數據集對應的相似度集；其中，一個所述相似度集中元素的總數為所述第一低維流形數據集的總數；一個所述相似度集中的一個元素為同一個所述未知類別對象數據集對應的每個第二低維流形數據集分別與同一個所述第一低維流形數據集的相似度的和；

將第一相似度集中最大相似度對應的第一低維流形數據集的類別確定為所述第一相似度集對應的所述未知類別對象數據集的類別；其中，所述第一相似度集為所述相似度集中的一個；

其中，采用局部線性嵌入算法，計算每個所述未知類別對象數據集對應的每個第二低維流形數據集分別與每個所述第一低維流形數據集的相似度，得到每個所述未知類別對象數據集對應的相似度集，具體包括：步驟一：基于局部線性嵌入算法的原理，采用最小誤差準則判斷算法，計算一個所述未知類別對象數據集對應的每個第二低維流形數據集分別與每個所述第一低維流形數據集的相似度值，得到所述未知類別對象數據集對應的相似度集；步驟二，重復操作步驟一，直至得到每個所述未知類別對象數據集對應的相似度集。

2.根據權利要求1所述的基于多流形學習算法的高光譜影像數據分類方法，其特征在于，所述第一本征維數的確定方法，具體包括：

采用剩余殘差算法，估算每個所述已知類別對象數據集的第一本征維數。

3.根據權利要求1所述的基于多流形學習算法的高光譜影像數據分類方法，其特征在于，所述采用光譜角度量方式的等距特征映射算法，按照每個所述第一本征維數的數值，對同一個所述未知類別對象數據集分別進行降維處理，循環操作，直至得到每個所述未知類別對象數據集對應的多個第二低維流形數據集，具體包括：

步驟一：計算每個所述未知類別對象數據集的像素均值；

步驟二：基于所述未知類別對象數據集的像素均值和光譜角度量方式的等距特征映射算法，按照每個所述第一本征維數的數值，對同一個所述未知類別對象數據集分別進行降維處理，得到所述未知類別對象數據集對應的多個第二低維流形數據集；

步驟三，重復步驟二，直至得到每個所述未知類別對象數據集對應的多個第二低維流形數據集。

4.根據權利要求1所述的基于多流形學習算法的高光譜影像數據分類方法，其特征在于，在執行采用光譜角度量方式的等距特征映射算法，按照每個所述第一本征維數的數值，對同一個所述未知類別對象數據集分別進行降維處理，循環操作，直至得到每個所述未知類別對象數據集對應的多個第二低維流形數據集步驟之后，還包括：

在同一個所述未知類別對象數據集對應的所有第二低維流形數據集中，采用余弦距離度量出最小前K個第二低維流形數據集，進而得到所述未知類別對象數據集對應的最終的第二低維流形數據集，循環操作，直至得到每個所述未知類別對象數據集對應的最終的第二低維流形數據集。