【技術(shù)實(shí)現(xiàn)步驟摘要】
-種基于核低秩表示圖和空間約束的高光譜圖像分類方法
本專利技術(shù)屬于圖像處理
，涉及半監(jiān)督圖的高光譜圖像分類方法，可用于少 量標(biāo)記樣本的情況下完成高光譜圖像的分類，具體是一種基于核低秩表示圖和空間約束的 高光譜圖像分類方法。
技術(shù)介紹
成像光譜技術(shù)（Imaging Spectroscopy)是二十世紀(jì)八十年代以測(cè)譜學(xué) (Spectroscopy)為基礎(chǔ)在遙感界發(fā)展起來(lái)的新型研究領(lǐng)域，傳感器的光譜分辨率在1(Γ 2 λ 的遙感稱為高光譜（Hyperspectral)遙感，在可見(jiàn)光到近紅外光譜區(qū)其波段多達(dá)數(shù)十至數(shù) 百個(gè)。高光譜遙感可以利用很多很窄的電磁波波段從感興趣的物體獲取有關(guān)數(shù)據(jù)，將圖像 維信息與光譜維信息有機(jī)的融合在一起，在獲取地表空間圖像同時(shí)也可以獲得各地物的連 續(xù)光譜信息，從而可以根據(jù)地物光譜特征進(jìn)行地物成份信息反演與地物識(shí)別。 高光譜遙感幾個(gè)重要的處理技術(shù)為降維、目標(biāo)探測(cè)、變化檢測(cè)與分類技術(shù)，高光譜 遙感實(shí)現(xiàn)了捕獲地物的光譜特征同時(shí)又不失其整體形態(tài)及其與周圍地物的關(guān)系，高光譜技 術(shù)產(chǎn)生的一組圖像所提供的豐富信息可以顯著地提高分析的質(zhì)量、細(xì)節(jié)性、可靠性以及可 信度。一般地，高光譜地物分類可以從三個(gè)方面入手：圖像空間、光譜空間和特征空間：圖 像空間反映了不同地物的分布和變化情況，圖像是地物最直觀的表示，地物的各個(gè)像元對(duì) 應(yīng)的光譜波段組成了光譜空間，不同地物有不同光譜特征，利用該方法對(duì)區(qū)域進(jìn)行探測(cè)與 處理；高光譜數(shù)據(jù)通常維數(shù)在上百維，特征空間更有利用目標(biāo)探測(cè)及數(shù)據(jù)處理。 在分類算法方面，傳統(tǒng)的基于統(tǒng)計(jì)和模式識(shí)別...
【技術(shù)保護(hù)點(diǎn)】
一種基于核低秩表示圖和空間約束的高光譜圖像分類方法，其特征在于：包含如下步驟：(1)采用高光譜圖像中所有已知標(biāo)簽的光譜向量作為訓(xùn)練樣本，按標(biāo)簽類別第1類第2類直到第16類依次排列構(gòu)成有標(biāo)簽的樣本集合Xl＝[x1l,x2l,....x16l]，所有未知標(biāo)簽的光譜向量構(gòu)成測(cè)試樣本集合Xu＝[x1u,x2u,....x16u]，其中，xil,i＝1,2,...16代表已經(jīng)標(biāo)簽的各類樣本集，xiu,i＝1,2,...16代表未知標(biāo)簽的樣本集；(2)對(duì)樣本集合X＝[XlXu]進(jìn)行列歸一化，把矩陣X通過(guò)核映射至特征空間，得到映射后的樣本集合X1；(3)對(duì)映射后的樣本集合X1作低秩表示，求解如下式子得到低秩系數(shù)矩陣Z：minZ,E||Z||*+λ||E||2,1s.t.X1=X1Z+E]]>其中E表示噪聲矩陣，Z為低秩系數(shù)矩陣，即低秩表示圖，稱之為l2,1范數(shù)，||*||*稱為矩陣的核范數(shù)，λ(λ＞0)是控制噪聲矩陣的參數(shù)，λ按照從1到10間隔1依次取值，按分類結(jié)果正確率最高的情況取值；求解方法采用非精確增廣型拉格朗日乘子法；(4)對(duì)于每個(gè)像素點(diǎn)，考慮其上下左右的位置關(guān)系，將該點(diǎn)與其對(duì)...
【技術(shù)特征摘要】
1. 一種基于核低秩表示圖和空間約束的高光譜圖像分類方法，其特征在于：包含如下 步驟： (1) 采用高光譜圖像中所有已知標(biāo)簽的光譜向量作為訓(xùn)練樣本，按標(biāo)簽類別第1類第2 類直到第16類依次排列構(gòu)成有標(biāo)簽的樣本集合X1 = [Xll，x21，....X161]，所有未知標(biāo)簽的光 譜向量構(gòu)成測(cè)試樣本集合Xu = [xlu,x2u,--X16J，其中，xai= 1, 2,... 16代表已經(jīng)標(biāo)簽 的各類樣本集，xiu，i= 1，2,... 16代表未知標(biāo)簽的樣本集； (2) 對(duì)樣本集合X= [X1Xu]進(jìn)行列歸一化，把矩陣X通過(guò)核映射至特征空間，得到映射 后的樣本集合X1 ; (3) 對(duì)映射后的樣本集合X1作低秩表示，求解如下式子得到低秩系數(shù)矩陣Z:其中E表示噪聲矩陣，Z為低秩系數(shù)矩陣，即低秩表示圖，稱之為U1范數(shù)，I1*1 1?稱為矩陣的核范數(shù)，入（入> 0)是控制噪聲矩陣的參數(shù)，入按照 從1到10間隔1依次取值，按分類結(jié)果正確率最高的情況取值；求解方法采用非精確增廣 型拉格朗日乘子法； (4) 對(duì)于每個(gè)像素點(diǎn)，考慮其上下左右的位置關(guān)系，將該點(diǎn)與其對(duì)應(yīng)的四個(gè)位置的像素 點(diǎn)的關(guān)系設(shè)置為1，與其余點(diǎn)的關(guān)系設(shè)置為0,利用樣本的空間位置關(guān)系構(gòu)造樣本關(guān)系的空 間信息圖G; (5) 把低秩表示圖Z和空間信息圖G加和構(gòu)成圖W=Z+G; (6) 使用圖保持標(biāo)準(zhǔn)方法得到測(cè)試樣本的類別概率矩陣，選取類別概率矩陣每一列的 最大值，將最大值所在行的行標(biāo)作為測(cè)試樣本的類別，輸出測(cè)試樣本的類別標(biāo)簽。2. 根據(jù)權(quán)利要求1所述的一種基于核低秩表示圖和空間約束的高光譜圖像分類方法， 其特征在于：其中步驟（2)所述的把矩陣X核映射至特征空間，即對(duì)X中任意兩個(gè)樣本Xi，\ 計(jì)算X1(Xi, Xj) =exp(_I I Xi-Xj I 12/2p2)，pGR，得到核映射的樣本集合X1，其中p是核映射 參數(shù)，P從〇. 1到1間隔〇. 1依次取值，通過(guò)實(shí)驗(yàn)分類結(jié)果正確率最高的一個(gè)選取。3. 根據(jù)權(quán)利要求1所述的一種基于核低秩表示圖和空間約束的高光譜圖像分類方法， 其特征在于：其中步驟（3)所述的通過(guò)非精確增廣型拉格朗日乘子法來(lái)求解低...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊淑媛，焦李成，任宇，劉芳，劉紅英，張向榮，侯彪，王爽，程時(shí)倩，馮志璽，
申請(qǐng)(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國(guó)別省市：陜西;61
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。