[发明专利]基于低秩表示的高光谱图像波段选择方法

摘要

本发明公开了一种基于低秩表示的高光谱图像波段选择方法，主要解决高光谱数据处理复杂度高，高光谱图像分类精度低的问题。其处理过程为(1)获取高光谱数据，并对数据进行归一化处理；(2)对处理后的高光谱数据进行低秩表示；(3)使用增强拉格朗日乘子法ALM求解低秩表示系数；(4)根据低秩表示系数对波段进行聚类；(5)从每个聚类中选择出代表性波段作为最终选择的波段；(6)对选择出来的波段进行分类。本发明不仅去除波段之间的冗余信息，而且选择了包含信息量大的波段，选择的波段更有利于分类，提高了高光谱图像的分类精度，同时也降低了数据处理的复杂度，可用于高光谱数据的维数约减。

主权项

一种基于低秩表示的高光谱图像波段选择方法，包括如下步骤：(1)输入高光谱图像Y∈RQ×L，其中，Q为像素点个数，L表示波段数目，该高光谱图像包含c类像素点，图像的每一个像素点为一个样本，R表示实数域；(2)对高光谱数据进行归一化处理，得到归一化后高光谱数据X∈RQ×L；(3)对归一化后的高光谱数据X＝[x1,x2,...,xi,xj,...,xL]∈RQ×L进行低秩表示并求解，得到X的低秩表示系数矩阵Z＝[z1,z2,...,zi,...,zL]∈RL×L，其中xi,xj分别表示所有像素在第i和第j个波段上的光谱强度组成的向量，zi表示数据在第i个波段的表示系数向量,i,j＝1,2,...,L；(4)根据(3)得到的低秩表示系数矩阵Z∈RL×L，对波段进行聚类：依次分别对每一个波段xi,i＝1,...,L，利用其低秩表示系数向量zi,i＝1,...,L进行重构，计算重构结果与其余每个波段的残差：从中找出产生最小残差对应的波段xk，k∈{1，2，…，L}，k≠i,则第k个波段与第i个波段具有较强的相关性，将第k个波段与第i个波段合并组成一个聚类，若其中一个波段已与其他波段组成聚类，则将另一个并入已有聚类，表示l2范数；(5)计算每个聚类的聚类中心，并从每个聚类中选择出离聚类中心最近的波段作为该聚类最具代表性波段，所有聚类的代表性波段组成最终选择的波段子集；(6)根据最终选择的波段，对所有样本提取所选波段组成新的样本集合Xs∈RQ×S，其中S表示所选波段的数目；(7)根据波段选择后的新样本集合Xs对高光谱数据进行分类：从Xs中每类选择10％的样本作为训练样本集Xp，其余90％的样本作为测试样本集Xq，将训练样本集Xp输入到支撑矢量机SVM中进行训练，学习出一个分类器，将测试样本集Xq输入到这个分类器中，得到测试样本Xq的分类标签向量Ys，标签向量Ys即是高光谱图像的分类结果。