[发明专利]一种基于邻域选取约束的高光谱图像分类方法

说明书

本发明公开了一种基于新型邻域选取约束的高光谱图像分类方法，包括以下步骤：S1.读入高光谱图像数据；S2.根据高光谱数据选取训练样本，构建字典D；S3.确定待处理测试样本的自适应邻域集A；S4.确定待处理测试样本的多尺度方形邻域集B；S5.确定待处理测试样本的最终邻域集C，构建该测试样本所对应的最终邻域测试集合J；S6.求解对应的系数矩阵集合Ψ；S7.重构样本,计算不同尺度最终邻域对应的重构残差集合R；S8.通过重构残差集合R最终确定高光谱像元类别。本发明，使不同尺度邻域的信息得到综合的利用与考虑；同时通过自适应邻域的有效约束，考虑到不同测试像元的差异性，分别避免了非同类邻域像元的干扰，具有分类图视觉效果好，分类精度高等优点。

技术领域

本发明涉及遥感信息处理技术领域，特别涉及一种基于邻域选取约束的高光谱图像分类方法。

背景技术

高光谱图像通过光学传感器所采集，通常高光谱图像具有维数高、信息海量等特点。高光谱图像分类是将每个像元所包含的所有波谱信息作为一个整体，不同类别所对应的波谱信息由于地物反射电磁能量不同而存在一定的差异性，依据这种差异性将每个像元赋予样本类别标号。随着技术的发展，协作表达分类(collaborative representationclassification,CRC)和联合协作表达分类(Joint collaborative representationclassification,JCRC)被成功的引入高光谱图像分类中，并具有一定的优势。

CRC分类方法存在的问题：针对图像中的像元，高光谱图像的邻域信息没有得到考虑。JCRC分类方法存在的问题：1、针对不同像元，邻域为一个固定尺寸的方形邻域，邻域信息较为单一且容易引入不同类别像元干扰。2、针对不同的像元，高光谱图像中的综合邻域信息没有得到自适应性有效地提取。

上述问题导致高光谱图像不能得到较好的表达致使分类精度不高。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于邻域选取约束的高光谱图像分类方法，使不同尺度邻域的信息得到综合的利用与考虑，避免了非同类邻域像元的干扰。

本发明的目的是通过以下技术方案来实现的：一种基于邻域选取约束的高光谱图像分类方法，包括以下步骤：

S1.读入高光谱图像数据；

S2.根据高光谱数据选取训练样本，构建字典D；

S3.确定待处理测试样本的自适应邻域集A：

S301.针对高光谱数据进行主成分分析变换，并提取第一主成分分量PC1。

S302.利用PC1，寻找每个待处理测试样本的自适应邻域集合并保存

S4.确定待处理测试样本的多尺度方形邻域集B：

S401.确定方形邻域的多个尺度；

S402.确定待处理测试样本的多尺度方形邻域集B，并保存邻域集合的位置索引信息；

S5.确定待处理测试样本的最终邻域集C，构建该测试样本所对应的最终邻域测试集合J：

S501.利用A和B来确定最终的邻域集合C。

S502.分别统计不同尺度最终邻域中包含的像元的个数，构建该测试样本所对应的最终邻域测试集合J。

S6.求解对应的系数矩阵集合Ψ；

S7.重构样本,计算不同尺度最终邻域对应的重构残差集合R；

S8.通过重构残差集合R最终确定高光谱像元类别:

S801.对不同尺度最终邻域对应的重构残差集合R进行残差融合，得到测试像元x所对应的第i类的最终残差ZRⁱ。