[发明专利]一种非局部加权联合稀疏表示的高光谱图像分类方法

权利要求书

1.一种非局部加权联合稀疏表示的高光谱图像分类方法，其特征在于，包括以下步骤：

S1：将高光谱图像数据集分成训练样本数据集和测试样本数据集；

S2：将所有类别间的光谱角进行从大到小进行排序，并选择他们的中间值θ_median作为自适应阈值，θ_median＝median{θ₁,θ₂,…,θ_C(C-1)/2}，其中θ₁的值表示最大光谱角，参数C表示高光谱图像中总共的类别数，下标C(C-1)/2表示总共的类间光谱角数；

S3：利用所述自适应阈值对以每一个测试样本为中心的搜索窗内的邻点进行预排除；

S4：对搜索窗内剩余的点采用十字窗来进行与中心测试点相似性的度量，找出最相似的相似结构并计算与中心块的光谱角，所述十字窗是由中间像素及其上下左右五个像素点共同构成，所述中心块为中心点所在的十字窗图像块；

S5：利用步骤S4得到的光谱角，使用巴托沃斯函数进行权重计算，最终得到搜索窗内各点的权重；

S6：将得到的权重赋权给搜索窗内的每一点形成联合信号矩阵，并将利用稀疏表示方法得到稀疏系数矩阵；

S7：进行各类子字典和对应稀疏系数重建误差比较，并最终得到分类结果。

2.根据权利要求1所述的非局部加权联合稀疏表示的高光谱图像分类方法，其特征在于，所述步骤S2中的自适应阈值通过以下方法得出：

通过随机选取的训练样本分别求均值并计算不同类间的光谱角，最后选择中间值。

3.根据权利要求2所述的非局部加权联合稀疏表示的高光谱图像分类方法，其特征在于，所述步骤S3中所述预排除的步骤包括：

先计算以测试样本为中心的搜索窗内的邻点与中心测试样本间的光谱角，然后使用得到阈值θ_median进行比较并排除。

4.根据权利要求3所述的非局部加权联合稀疏表示的高光谱图像分类方法，其特征在于，所述步骤S5包括使用巴托沃斯函数进行搜索窗内邻点权重的计算，而其中的输入是邻点与中心测试样本的十字窗间的光谱角。