[发明专利]基于线性最小二乘支持向量机的高光谱图像端元选择方法

说明书

技术领域

本发明涉及一种高光谱图像的端元选择方法，特别是一种基于支持向量机 (SVM)的端元选择方法，属于遥感信息处理技术领域。

背景技术

高光谱图像的空间分辨率一般较低，这种情况导致了混合像元的广泛存在， 即一个像元可能是几种类别的混合。分析各类别成分在混合像元内所占的比例的 技术称为光谱解混，是高光谱数据分析的最基本、最重要内容之一。光谱解混实 施的必要前提是要知道高光谱数据中包含哪些地物类别，在此需求下提取各类别 代表性纯光谱的技术称为光谱端元选择，简称端元选择。在近十多年里，多种高 光谱图像端元选择方法相继发展起来。N-FINDR是基于N维空间谱凸多面体的 搜索光谱端元的经典例子，因其具有全自动、无参数、选择效果较好等优点而受 到广泛欢迎。但该方法需要进行数据降维预处理，且包含大量的体积计算，这也 是它最为耗时的部分。并且，体积计算(即主要为行列式的计算)的复杂度将随着 所选择的光谱端元数目增大而呈现立方增长，从而导致算法运算速度大大降低。

目前已有一些典型文献提出了对N-FINDR算法的改进方案。WU CHAO-CHENG等采用像元预选的方式来降低后续搜索的复杂性，是从侧面来降 低算法计算量。CHOWDHURY A.等利用顺次选择的方式来代替联合选择的方 式，这种顺次选取的方式远离了N-FINDR算法的基本特征，像元一经选定便无 法更新，光谱端元之间的相互依赖关系也无法得到最大满足。TAO XUETAO等 提出的方法可以直接在原始数据空间上进行而免于降维预处理，因此选出的光谱 端元更具合理性，在理论上突破了N-FINDR算法需要降维处理的传统模式，但 该方法也属于顺次选取。

另一方面，基于凸几何分析的端元选择方法容易受到野值点的影响，而野值 点在高光谱图像中大量存在，现有文献对此并未提出相应的解决方案。

发明内容

本发明的目的在于提供一种一种无需降维预处理、低复杂度的基于线性最小 二乘支持向量机的高光谱图像端元选择方法。

本发明的目的是这样实现的：

步骤1.选取前N个像素点作为初始端元；

步骤2.令目前所选端元中的第i个为“1”类，其余N-1个为“0”类，首次执 行i＝1，建立相应的LLSSVM判别函数即距离测算函数：

f_i(s)＝<w^*，s>+b^*；

步骤3.依次计算每个像素的距离，如果某个像素的绝对距离大于1，则将该像 素替换第i个端元，置i＝1，步骤2；

步骤4.，若i＞N，转入步骤5，否则转入步骤2；

步骤5.当前端元即为最终选择端元，结束。

本发明还可以包括：

1、在步骤1之前加入根据局域像元密度对野值点进行检测和去除过程，包 括以每个像元点为中心建立固定尺寸的邻域窗，计算方邻域窗内所包含的像元点 数作为中心点的孤立程度度量指标，孤立程度度量指标越大的点作为野值点被去 除。

2、在步骤1之前加入利用光谱分量值直按进行像元预排序过程，包括：a)由 原始数据空间的第一维到最后一维依次选出和排列对应于极大值和极小值坐标 的点对；b)从余下的数据空间中进行第一步操作；c)继续进行这样的过程，直 至所有的数据点都被选出、排列；待全部数据点排序完毕之后，排在最前面的若 干特征数据点被选作初始端元，其迭代更新过程也将按照排序结果依次进行。

3、在步骤1之前加入根据局域像元密度对野值点进行检测和去除过程和加 入利用光谱分量值直接进行像元预排序过程；所述根据局域像元密度对野值点进 行检测和去除过程包括：以每个像元点为中心建立固定尺寸的邻域窗，计算方邻 域窗内所包含的像元点数作为中心点的孤立程度度量指标，孤立程度度量指标越 大的点作为野值点被去除；所述利用光谱分量值直接进行像元预排序过程包括： a)由原始数据空间的第一维到最后一维依次选出和排列对应于极大值和极小值 坐标的点对；b)从余下的数据空间中进行第一步操作；c)继续进行这样的过程， 直至所有的数据点都被选出、排列；待全部数据点排序完毕之后，排在最前面的 若干特征数据点被选作初始端元，其迭代更新过程也将按照排序结果依次进行。