[发明专利]高光谱遥感图像分类与识别方法

权利要求书

1.一种高光谱遥感图像分类与识别方法，其特征在于包括以下步骤：

步骤一、设高光谱图像中地物类别数为C，类别标号为c的地物对应的样本数为n_c，分别针对每类地物生成一个样本集合，设D_c代表第c类地物对应的样本集合，则D_c表示为

Dc=[d1c,d2c,...dic,...,dncc],c=1,2,..,C---(1)]]>

其中，i代表第c类地物的第i个样本，表示第c类的第i个样本的光谱向量；

根据词袋模型，利用K-means聚类为每类地物分别生成相应的专业字典，对应第c类地物的专业字典表示为再由专业字典合并得到最终用于高光谱遥感图像地物分类的稀疏表示字典

D~′=[D~1,D~2,...,D~c,...,D~C]---(2)]]>

对矩阵中的每一列进行2－范数归一化得到过完备稀疏表示字典

步骤二、依据稀疏表示理论，高光谱图像中的测试样本x表示为

x=D~α+ϵ---(3)]]>

式中，误差ε是一个极小的常量；

通过求解最小优化问题得到测试样本x在稀疏表示字典上的稀疏表示系数

α~(x)=argminα||α||1s.t.||x-Dα~||22≤ϵ---(4)]]>

即为测试像元在训练样本上的线性表示；

步骤三、对于测试样本x，其8邻域像元集合表示为对邻域集合x_邻中的每个像元分别求解其在稀疏表示字典上的稀疏表示系数，记为

其中，表示像元在字典上的稀疏分解系数；

则像元x最终的稀疏分解系数由其本身及其邻域像元的稀疏分解系数决定，即

α~new(x)=ω0*α~(x)+Σj=18ωj*α~(x^j)---(6)]]>

其中，ω₀和ω_j,j＝1,...,8代表权重因子；

步骤四、得到稀疏表示系数后，根据第c类地物的专业字典重构出的像元表示为

x~c=D~c*α~c(x)---(7)]]>

其中，为系数向量中对应第c类样本的向量子集；

步骤五、利用下式

Class(x)=argminc=1,...,C||x-x~c||2=argminc||x-D~cα~c(x)||2---(8)]]>

计算x与各个之间的残差，根据最小残差值所对应的类别确定测试样本的归属，即测试样本属于重构残差最小的系数所对应的类别。