[发明专利]一种基于空间光谱信息的高光谱图像残差融合分类方法

摘要

本发明公开了一种基于空间光谱信息的高光谱图像残差融合分类方法。包括以下步骤，读入高光谱图像数据，确定样本类别数为L；分别提取高光谱图像的空间纹理信息F_G和光谱信息F_N；根据空间纹理信息F_G和光谱信息F_N构建相关矩阵；求解高光谱图像中测试样本x_p与相关矩阵相对应的系数矩阵；重构样本，计算测试样本x_p的每个类别所对应的重构残差；计算测试样本x_p的每个类别的融合残差；根据测试样本x_p的每个类别的融合残差确定测试样本x_p的类别。本发明具有分类精度高，得到的分类图视觉效果好的优点。

主权项

1.一种基于空间光谱信息的高光谱图像残差融合分类方法，其特征在于：包括以下几个步骤，步骤一：读入高光谱图像数据，对高光谱图像进行维数转换，将三维数据转换成二维数据，对所得的二维数据作归一化处理，确定样本类别数为L；步骤二：分别提取高光谱图像的空间纹理信息FG和光谱信息FN；步骤三：根据空间纹理信息FG和光谱信息FN构建相关矩阵，相关矩阵包括根据空间纹理信息FG构建的空间纹理信息联合信号矩阵XJG、空间纹理信息字典AG和局部自适应空间纹理信息字典AGL，相关矩阵还包括根据光谱信息FN构建的光谱信息联合信号矩阵XJN、光谱信息字典AN和局部自适应光谱信息字典ANL；步骤四：求解高光谱图像中测试样本xp与相关矩阵相对应的系数矩阵；步骤五：将空间纹理信息字典AG、局部自适应空间纹理信息字典AGL、光谱信息字典AN和局部自适应光谱信息字典ANL分别和其对应的系数矩阵相乘得到重构样本，计算测试样本xp的每个类别所对应的重构残差；步骤六：计算测试样本xp的每个类别的融合残差；步骤七：根据测试样本xp的每个类别的融合残差确定测试样本xp的类别；设单个像素xp在位置p上，构建一个方形的尺寸为T×T的邻域,其邻域窗口大小为T,高光谱图像邻域中的像素的空间纹理信息用来构建联合的矩阵XJG；计算出字典AG中的每个原子与XJG的相关性，并且按照降序排列，从AG中选择相关性最大的前K个对应原子来构成测试样本xp所对应的局部自适应子字典AGL，构建光谱信息联合信号矩阵XJN，构建整个光谱信息字典AN，构建局部自适应光谱信息字典ANL；所述的高光谱图像中测试样本xp与相关矩阵相对应的系数矩阵为：其中ψGS为空间纹理信息字典AG的系数矩阵，ψGLC为局部自适应空间纹理信息字典AGL的系数矩阵，ψNS为光谱信息字典AN的系数矩阵，ψNLC为局部自适应光谱信息字典ANL的系数矩阵，λGS为空间纹理信息字典AG的平衡系数，λGLC为局部自适应空间纹理信息字典AGL的平衡系数，λNS为光谱信息字典AN的平衡系数，λNLC为局部自适应光谱信息字典ANL的平衡系数；所述的测试样本xp的第i个类别的重构残差为：所述的测试样本xp的第i个类别的融合残差为：其中μ为方法平衡系数，满足0≤μ≤1，η为信息平衡系数，满足0≤η≤1；所述的样本xp的类别被确定为在L类别中具有最小融合残差的类别