[发明专利]一种基于局部低秩表示的半监督高光谱图像分类方法

权利要求书

1.一种基于局部低秩表示的半监督高光谱图像分类方法，其特征在于，包括以下步骤：

步骤1：在高光谱图像的空间域中，以待分类样本为中心选取空间邻域：分别选取待分类样本X₀的上下左右4个近邻像素X_i作为低秩约束样本，并在剩余的样本中选取近邻的16个样本作为对应的字典原子D_m，其中，i＝1,2,3,4，m＝1,2,...,16，并建立若干个空间邻域结构；

步骤2：对每一个空间邻域结构中的低秩约束样本进行局部低秩建模，采用非精度增广拉格朗日乘子法来获取低秩系数Z，具体步骤为：

步骤2-1：初始化参数：Z＝J＝0，E＝0，Y₁＝0，Y₂＝0，μ＝10^-6，μ_max＝10⁶，ρ＝1.1，ε＝10^-8，E为噪声，J、Y₁、Y₂、μ、μ_max、ρ、ε均为过渡参数无实际含义；

步骤2-2：对变量进行迭代更新：

当||X-DZ-E||_∞＞ε或||Z-J||＞ε时，执行：

Y₁＝Y₁+μ(X-DZ-E)

Y₂＝Y₂+μ(Z-J)

μ＝min(ρμ,μ_max)

步骤2-3：计算得到低秩系数Z；

步骤3：对空间邻域中无标签的样本进行标签初始化；

步骤4：从局部低秩系数中获取样本间的空谱信息，进行半监督的高光谱图像分类，得到分类图像。

2.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法，其特征在于，步骤2中局部低秩建模公式为：

满足X_n＝D_n·Z_n+E_n，其中，n为空间邻域的标号，Z_n为低秩系数，E_n为噪声，X_n是低秩约束样本，D_n为字典原子，*表示核范数，F表示Frobenius范数，λ用来控制噪声的权重，λ＞1.3。

3.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法，其特征在于，步骤3中标签初始化的具体步骤为：

步骤3-1：根据有标签样本和无标签样本的光谱特征，构建权重矩阵W_ij：

满足其中，x_i、x_j均为图像中的样本点，N(x_i)表示x_i的邻域范围；

步骤3-2：根据权重矩阵构建概率传播矩阵P_ij：

其中，p用来指示矩阵W的所有列，W_ip表示矩阵W的第i行、第p列元素；

步骤3-3：根据概率传播矩阵执行标签传播：

其中，F_l+u表示所有样本的标签，k为迭代次数。

4.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法，其特征在于，步骤4中半监督的高光谱图像分类包括半监督迭代更新标签，具体为：

其中，是字典的标签，F_n是低秩约束样本的标签，n代表空间邻域的索引号，k是迭代次数，迭代完成后，从F_n和中得到所有无标签样本的标签。