[发明专利]一种基于加权邻域的多尺度高光谱图像分类方法

权利要求书

1.一种基于加权邻域的多尺度高光谱图像分类方法，其特征在于，包括以下步骤：

(1)、读入高光谱图像数据；

读入三维高光谱数据维数为b*L*q，其中图像大小为b*L，具有q个波段；

(2)、根据高光谱数据选取训练样本，构建字典D；

包括以下过程：

高光谱数据一共包含j个类别地物，从各个类别中分别选取一部分像元样本作为训练样本，同时将这些训练样本的集合作为字典D，D＝[D₁，D₂，…,D_i,…,D_j]，其中D_i表示由第i类别的地物所构成的字典子集；

(3)、确定待处理测试样本的多尺度邻域信息；

根据高光谱图像给出所需邻域的M个不同尺度信息：

[C₁,C₂,…,C_e,…C_M],1≤e≤M；C_e为尺度的大小，为正的奇整数

(4)、针对尺度为C_e的邻域集合，确定邻域元素所占的权重；

包括以下过程：

(4.1)提取邻域集合；

假设使用尺度为C_e的邻域，e的初始值为1，针对待处理的测试像元x，以该测试像元所处的位置为中心点构建一个尺寸为C_e×C_e的方形邻域，邻域窗口大小为C_e；邻域窗口所覆盖的像元集合为像元x的方形邻域集合FC_e，其大小为C_e×C_e×q；将FC_e进行矩阵维数转换平铺为二维矩阵，成为测试样本x对应的尺度为C_e的邻域测试集合J_e；

(4.2)分别确定不同邻域元素所占的权重；详细的步骤为：

①、针对邻域集合进行扩充；

首先，确定相似模板大小为(2f+1)×(2f+1)，将大小为C_e×C_e×q的方形邻域集合整体作为中心元素，通过复制手段扩充成为大小为(C_e+2f)×(C_e+2f)×q的处理矩阵集合PU；

②、计算邻域元素的邻域像元距离；

方形邻域集合FC_e共具有C_e×C_e个邻域元素，下边计算第fang个邻域元素的邻域像元距离，其中1≤fang≤(C_e×C_e)；

由于图像具有q个波段，分别针对每个波段进行如下操作；

针对第op波段，其中1≤op≤q；使用大小为(2f+1)×(2f+1)的观测模板，观测模板中心为处理矩阵集合中心元素中该邻域元素所处位置，被观测模板所覆盖的处理矩阵区域构成该邻域像元的观测矩阵GU；

使用大小为(2f+1)×(2f+1)的相似模板，相似模板的中心点从处理矩阵PU的位置从(1+f，1+f)处开始，以步长为1进行滑动，直到滑动到(C_e+f，C_e+f)处结束；每滑动一次，被相似模板所覆盖的处理矩阵区域均构成一个相似矩阵SU_hua，其中的1≤hua≤(C_e×C_e)；

每滑动一次都要计算一次对应的相似矩阵与观测矩阵的高斯加权距离，并将这些高斯加权距离进行累计加和操作，最终通过公式(1)得到op波段下所对应的邻域像元距离dis_op；

其中，a表示高斯核标准差，表示高斯卷积的l₂范数；

对所有波段均进行邻域像元距离求取操作，并将所有波段的邻域像元距离求均值，得到最终第fang个邻域元素的邻域像元距离DS_fang，如公式(2)；

③、计算所包含的邻域元素在该邻域中所占权重，构造对角权重矩阵W_e；

通过计算可得到所包含的所有邻域元素的邻域像元距离；将这些像元距离分别除以它们总的加和，进行归一化处理，如式(3)，得到归一化后的邻域像元距离

将这些归一化后的距离分别取倒数，得到初始权重CW_fang，如式(4)；

将初始权重分别除以初始权重总的加和，进行归一化处理，得到最终每个邻域元素在该邻域中所占权重如式(5)；

通过上述公式可以知道，满足约束

将每个邻域像元所对应的权重作为矩阵对角线元素，构造尺度为C_e下的对角权重矩阵W_e以方便后续处理，如式(6)；

(5)、求解尺度为C_e邻域所对应的系数矩阵Ψ_e；

(6)、重构样本,计算尺度为C_e邻域所对应的重构残差集合R_e；

(7)、计算不同尺度邻域所对应的重构残差信息；

(8)、通过重构残差集合，最终确定高光谱像元类别。