[发明专利]基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法

摘要

本发明公开了一种基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法，主要解决现有方法对高光谱图像分类正确率低和鲁棒性差的问题。其实现步骤：输入一幅高光谱图像，并用特征向量表示高光谱样本；在高光谱样本中随机选取有标记样本，并对高光谱图像作过分割；根据对高光谱图像的分割结果，对高光谱样本进行分组；利用组稀疏编码对分组后的高光谱样本进行稀疏编码；使用高光谱样本和高光谱样本的稀疏编码系数构造样本集；利用支撑矢量机和构造的样本集对高光谱样本进行分类。本发明充分利用了高光谱图像的稀疏特性和空域上下文信息，能够获得较高的分类正确率，可用于精细农业，地质调研，军事侦察等领域。

主权项

1.一种基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法，包括如下步骤：(1)输入一幅高光谱图像I，其中包含c个类别共N个像素点，高光谱图像I的每一个像素点为一个样本，这N个样本中，有l个样本有标记，剩下的m个样本无标记，每个样本用其波段特征构成的特征向量表示，即高光谱图像I中的所有样本记作：X＝[x₁,x₂,...,x_i,...x_N],x_i∈R^d，1≤i≤N，其中，d为高光谱图像I的波段数，x_i表示高光谱图像I的第i个样本，R^d表示d维实数向量空间；(2)对高光谱图像I进行过分割，得到高光谱图像I中所有像素的块标U；(3)使用高光谱图像I中所有像素的块标U，计算高光谱样本X的分组G；(4)利用组稀疏编码算法和高光谱样本X的分组G，计算高光谱样本X的稀疏编码系数Z；(5)利用高光谱样本X和高光谱样本X的稀疏编码系数Z构造样本集：5a)用高光谱样本X中的所有有标记样本，构成有标记样本集1≤j≤l；5b)用高光谱样本X中的所有无标记样本，构成无标记样本集1≤k≤m；5c)用高光谱样本X中的所有有标记样本的稀疏编码系数，构成训练集Zl={zjl}j=1l;]]>5d)用高光谱样本X中的所有无标记样本的稀疏编码系数，构成测试集Zt={zkt}k=1m;]]>5e)将高光谱样本X中的所有有标记样本的类标集合记作：其中，y_j^l∈{1,2,...,c}表示高光谱样本X中第j个有标记样本的类标，c表示高光谱图像I中包含像素的类别数，x_j^l表示有标记样本集X^l中的第j个样本，x_k^t表示无标记样本集X^t中的第k个样本，z_j^l表示有标记样本集X^l中的第j个样本的稀疏编码系数，z_k^t表示高光谱样本X中第k个无标记样本的稀疏编码系数；(6)利用支撑向量机SVM和训练集Z^l、测试集Z^t、高光谱样本X中所有有标记样本的类标集合Y^l对无标记样本集X^t中的所有样本进行分类，得到无标记样本集X^t中所有样本的预测类标其中表示无标记样本集X^t中第k个样本的预测类标。