[发明专利]基于局部信息约束和稀疏表示的光谱图像分类方法及系统

权利要求书

1.一种基于局部信息约束和稀疏表示的光谱图像分类方法，其特征在于：包括对光谱图像中待分类像素光谱与已知标签像素光谱之间的欧几里得距离度量，根据距离大小确定字典集范围；基于类别信息建立光谱图像分类的数学模型，得到相应的优化问题；根据优化问题求解待分类光谱的丰度系数，根据令目标函数取最小值的解对光谱图像进行分类；

实现过程包括以下步骤，

步骤1，构建局部约束字典集；令光谱图像为X∈R^M×N×B，其中R为实数，M和N为图像在空间维度的高度与宽度，B为光谱维度上的波段数目，X中每个像素对应的光谱记为x_m,n，m＝1,2,...,M，n＝1,2,...,N，将光谱图像X中从左到右从上到下像素对应光谱按列排列成矩阵为T＝[x_1,1,x_1,2,...,x_1,N,x_2,1...,x_M,N]∈R^B×MN；

设任意一待分类像素的光谱为y，且光谱图像中共有C种目标类别，利用K最近邻方法在矩阵T中选择出与y欧几里得距离最近的K条光谱，并将选择范围内的光谱按照已知类别信息排列形成局部约束字典集其中D_c为c第类子字典集，为c第类子字典集第k_c条光谱；

步骤2，建立光谱图像分类模型，得到相应的优化问题；待分类像素光谱y可由所属类别的光谱线性组合构成，数学模型如下：

y＝D_cα_c+e，

其中为局部约束子字典集对应的丰度系数，e∈R^B×1表示重构误差；

对于分类像素的光谱为y，利用光谱中数据的先验类别信息将分类模型转化为如下优化问题:

上式需符合约束条件||α_c||₀≤S₀，另min为最小化算子，||·||₂，||·||₀分别表示l₂与l₀范数，S₀表示丰度系数的稀疏度；

步骤3，求解步骤2所得的优化问题，得到令目标函数最小值的解；

步骤4，根据步骤3求解到的对待测像素y进行分类；待分类像素y的类别标签Class(y)由最小重构误差决定：

上式子表示如果1到C中的某个值c令取到最小值，则y就归属第c个类别。

2.根据权利要求1所述基于局部信息约束和稀疏表示的光谱图像分类方法，其特征在于：步骤1中，实现K近邻方法的方式如下，

利用线性判别分析方法将高维光谱数据投影到最佳矢量空间，在低维矢量空间中计算T中元素光谱与待分类像素y的欧几里得距离差异p_m,n，如下：

其中Γ∈B′×B为线性判别分析方法求得的投影算子，B′为矢量空间维度，记录K个最小p_m,n值对应的索引，选择该索引集对应的光谱集

3.根据权利要求1或2所述基于局部信息约束和稀疏表示的光谱图像分类方法，其特征在于：步骤3首先将待分类像素光谱y与字典集D中所有光谱分别进行归一化处理，公式如下：

其中t为任意光谱的原始辐射值，为光谱归一化后光谱的辐射值，t_b为原始光中波段b对应的辐射值；

接着采用正交匹配追踪方法求解优化问题，根据光谱向量的相关性关系构建稀疏逼近。