[发明专利]基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像分割和稀疏表示，用于高局部空域变化情境下的高光谱图像分类。

背景技术

高光谱遥感技术产生于20世纪80年代，结合了成像技术和光谱技术，可以在电磁波的紫外到近红外的几十至几百个很窄的连续波段上获取感兴趣地面物体的辐射特性，是对地观测的重要前沿技术。与传统的光谱成像技术相比，高光谱遥感不仅波段数和分辨率更高，而且波段几乎是连续的，可以为每个像元产生一条连续的光谱曲线，其获取的图像包含了空间、辐射，和光谱三重信息，具有图谱合一的特点。

目前，许多国家先后研制了高光谱遥感系统，如美国国家宇航局NASA的AVIRIS、EO-I HYPERION、加拿大的荧光线成像光谱仪FLI、德国的ROSIS-10、ROSIS-22、澳大利亚的HyMap、加拿大ITRES公司的CASI、SASI、我国的OMIS、PHI。常用的高光谱图像数据包括由美国国家宇航局的AVIRIS获取的Indian Pine数据集、Kennedy Space Center数据集，以及EO-I HYPERION光谱仪获取的Botswana数据集等。高光谱遥感已经广泛应用于天气预报、环境监测、灾害评估、精细农业、地质调查、军事侦察等许多领域。

地物分类的任务是确定感兴趣地面物体的所属地物类别，它是高光谱遥感最重要的应用之一，是许多相关应用的基础。对于特定的波长，不同的物质具有不同的电磁辐射特性，高光谱能够捕获从可见光到近红外区域的连续光谱信息，因而提供了分类不同地物的重要区分信息。随着空域和谱域分辨率的提高，高光谱图像为分类提供了更加丰富信息的同时，也带来了巨大的挑战：高局部空域变化。局部空域变化会降低高光谱数据的可分性，从而降低分类性能。对于理想的高光谱分类算法，应该能有效利用高分辨率高光谱图像提供的区分信息，同时对于空域局部变化具有一定的鲁棒性。

为了处理高光谱图像的空域变化问题，许多方法已经被提出。基于核的方法，如SVM，已被证明对于高光谱图像的空域变化具有一定的鲁棒性。另一种更有效的方法是空谱域分类方法，大致可以划分为：特征提取和后处理这两类。其中第一类是假设局部空域变化存在，然后，从像素的空域近邻提取某种变化特征如纹理，与原始的光谱特征放在一起用于后续的高光谱图像分类；第二类是假设在局部空域内高光谱图像是同质的，首先执行图像过分割和基于像素的分类，然后使用后处理方法结合过分割图像和基于像素的分类结果。

特征提取类方法的性能往往取决于特征提取的好坏，而且高光谱图像具有较高的特征维数，结合提取的特征和原始的光谱特征，会进一步增加特征维数，从而增加计算的复杂度，并加剧维数灾难效应；后处理方法的性能则受到图像过分割的质量和基于像素点的分类精度的限制，而且基于像素的分类只利用了原始的光谱特征，从而制约了分类性能的提高。

发明内容

本发明的目的在于同时利用高光谱图像的稀疏特性和空域上下文信息，提出一种基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法，以在高光谱图像具有高局部空域变化的情景下提高分类性能。

本发明的技术思路是，使用均值漂移算法mean-shift对高光谱图像作过分割，利用组稀疏编码学习稀疏和对空域变化鲁棒的稀疏表示系数，利用得到的稀疏表示系数作为输入特征构造分类器分类高光谱图像。其实现步骤包括如下：

(1)输入一幅高光谱图像I，其中包含c个类别共N个像素点，高光谱图像I的每一个像素点为一个样本，这N个样本中，有l个样本有标记，剩下的m个样本无标记，每个样本用其波段特征构成的特征向量表示，即高光谱图像I中的所有样本记作：X＝[x₁,x₂,...,x_i,...x_N],x_i∈R^d，1≤i≤N，其中，d为高光谱图像I的波段数，x_i表示高光谱图像I的第i个样本，R^d表示d维实数向量空间；

(2)对高光谱图像I进行过分割，得到高光谱图像I中所有像素的块标U；

(3)使用高光谱图像I中所有像素的块标U，计算高光谱样本X的分组G；

(4)利用组稀疏编码算法和高光谱样本X的分组G，计算高光谱样本X的稀疏编码系数Z；

(5)利用高光谱样本X和高光谱样本X的稀疏编码系数Z构造样本集：

5a)用高光谱样本X中的所有有标记样本，构成有标记样本集1≤j≤l；