[发明专利]一种基于图信号采样的高光谱图像主动学习方法

权利要求书

1.一种基于图信号采样的高光谱图像主动学习方法，其特征在于，所述方法包括以下步骤：

S1、读取三维高光谱图像数据立方体H(m,n,b)，其中m、n表示空间像素点位置，b表示所处光谱波段位置；

S2、将步骤S1的三维高光谱图像数据按像素位置顺序重排列成二维矩阵I(k,b)，其中k表示像素点标号，k是[1,V]范围内的整数，V是像素点总数，b表示所处光谱波段位置；

S3、将高光谱图像类别标签作为图信号，并利用高光谱图像数据计算所有像素点之间的去样本均值的相关系数，将其作为图信号点之间的相似性连接关系，生成权重矩阵W；

S4、只连接每个像素点与其空间8近邻的像素点，将步骤S3的权重矩阵W中每个像素点与自身以及与空间8近邻之外的其他像素点的连接权重置0，得到稀疏化的权重矩阵以此矩阵表示图信号点之间优化后的连接关系；

S5、计算度矩阵D、归一化权重矩阵归一化图拉普拉斯矩阵L，以及二阶图拉普拉斯矩阵L²；

S6、获取初始训练样本，将初始训练样本作为图信号初始采样点；

S7、利用图信号采样方法采样出图信号非采样集S^c中连接最弱的像素点；

S8、将步骤S7中的采样像素点添加到图信号采样集S中；

S9、选择性将步骤S7中的采样像素点添加到训练样本集中：判断步骤S7中图信号采样出的像素点是否属于高光谱图像测试集，如果不属于测试集则不需要给与专家标签；如果属于测试集则给与专家标签，并将该像素点 从测试集中移除，加入训练样本集中；

S10、使用图重构分类算法验证图信号采样增加了训练样本后的高光谱图像分类精度；

S11、迭代循环S7-S10步骤的高光谱图像图信号采样主动学习过程，直至训练样本数达到设定值。

2.根据权利要求1所述的基于图信号采样的高光谱图像主动学习方法，其特征在于，步骤S3中的权重矩阵W采用如下计算方式：

其中，v_i代表第i个像素点，v_a代表所有像素点的均值，w_ij是权重矩阵W中的元素，代表像素i和像素j的相似性。

3.根据权利要求2所述的基于图信号采样的高光谱图像主动学习方法，其特征在于，步骤S5中的度矩阵D公式如下：

归一化权重矩阵归一化图拉普拉斯矩阵其中E是单位矩阵。

4.根据权利要求3所述的基于图信号采样的高光谱图像主动学习方法，其特征在于，步骤S7中所述利用图信号采样方法采样出图信号非采样集S^c中连接最弱的像素点，即利用下式准则选取出高光谱图像未标记样本中含信息最多的像素点v：

其中，S是采样集，S^c是采样集的补集，即非采样集；ψ_1,k是矩阵(L²)S^c的最小特征值对应的特征向量；点v处能量最强，与邻接高光谱像素的差异性最大，与其他高光谱像素点的相似性连接也最弱，因此该点是最难分类的点，应作为图采样主动学习最需要采样的信号点。