[发明专利]一种小样本高光谱图像蒙特卡罗特征降维方法

摘要

本发明的目的在于提供一种小样本高光谱图像蒙特卡罗特征降维方法，具体步骤是:1.蒙特卡罗特征降维算法特征参量的选取；2.蒙特卡罗特征降维算法随机数的生成；3.蒙特卡罗特征参量的统计估计。本方法在选取特征参量时，考虑了高光谱图像的类内紧性与类间分离性，提高了数据进一步处理的可靠性；同时本方法可以自适应的给出最优降维波段个数，选取原始高光谱图像中的重要特征波段用于图像的后续处理，提高了高维数据处理的便利性。

主权项

一种小样本高光谱图像蒙特卡罗特征降维方法，包括下列步骤：步骤1：蒙特卡罗特征降维算法特征参量的选取；步骤2：蒙特卡罗特征降维算法随机数的生成；步骤3：蒙特卡罗特征参量的统计估计；其特征是：所述步骤1包括下列步骤：（1）在当前样本标号下计算每个特征波段的类内紧密性系数；（2）在当前样本标号下计算每个特征波段的类间分离性系数；（3）设定类内紧性与类间分离性调节因子α，即当α＝0时，类内紧性与类间分离性系数完全由类间分离性系数决定，当α＝1时，类内紧性与类间分离性系数完全由类内紧密性系数决定；（4）计算每个特征波段的类内紧性与类间分离性系数；所述步骤2包括下列步骤：（1）利用Logistic迭代方程产生大量的随机数；（2）Logistic迭代方程产生的随机数的取值范围是[0,1]，需要将迭代方程产生的随机数进行数字化处理；（3）将数字化处理后的随机数用于样本序号的抽取与排序，产生大量的蒙特卡罗随机实验，用于特征选取；所述步骤3包括下列步骤：（1）根据选取的特征参量计算方法，计算每个特征波段在原始样本标号下的特征参量值；（2）利用蒙特卡罗方法产生的随机数，对原样本标号进行随机抽取与排序，生成具有随机性的样本标号，在新的样本标号下，计算原样本的特征参量；（3）将样本在原始样本标号下计算得到的特征参量，与样本在大量随机标号下计算得到的特征参量作为统计估计的输入，得到蒙特卡罗降维方法的最优降维维数，选择出原始样本中的重要特征波段。