[发明专利]基于波段不相似性的高光谱数据波段表征选择方法

摘要

本发明公开一种基于波段不相似性的高光谱数据波段表征选择方法，主要解决现有高光谱波段选择时结构信息不能有效利用的问题。其步骤为：将输入的高光谱图像预处理为可操作的高光谱数据；构建高光谱波段之间的不相似矩阵；初始化概率表征矩阵；生成高光谱像元之间的相似度矩阵；计算高光谱波段的表征代价；构建高光谱像元的图保持正则项；构建目标函数；构造约束条件；通过交替方向多乘子方法求解概率表征矩阵；波段子集选择。本发明通过表征学习和图正则来进行高光谱数据的波段选择，使得选择后的高光谱波段能保持与输入高光谱数据相似的结构，提高了波段选择后高光谱数据的表征性，可用于高光谱数据的维数约简、分类识别。

主权项

1.一种基于波段不相似性的高光谱数据波段表征选择方法，其特征在于，包括以下步骤(1)输入高光谱图像，将输入的高光谱图像预处理为可操作的高光谱数据X；(2)通过欧几里德距离构建高光谱数据波段之间的成对不相似矩阵D；其中，D表示波段间成对不相似矩阵，其元素dij表示第i个高光谱数据波段和第j个高光谱数据波段之间的不相似性，其值为第i个高光谱数据波段和第j个高光谱数据波段的欧几里德距离，L表示高光谱数据的波段个数，R表示实数空间；(3)初始化概率表征矩阵Z，用来表示高光谱数据波段之间相互表征的概率，初始化后的概率表征矩阵，其概率约束需满足两个条件，约束条件之一为矩阵中每一列的和为1，约束条件之二为矩阵中每一个元素取值范围是[0,1]；(4)通过高斯核函数构建高光谱像元之间的相似度矩阵G，用来表示输入高光谱像元之间的相似性；其中，G表示高光谱数据像元之间的相似度矩阵，其元素gij表示第i个高光谱数据像元与第j个高光谱数据像元之间的相似度，N表示高光谱数据中像元的个数，R表示实数空间；(5)根据高光谱数据波段之间的成对不相似矩阵D和初始化概率表征矩阵Z，计算高光谱数据波段表征的代价：C1＝Tr(DTZ)其中，C1表示高光谱数据波段表征代价，Tr(·)表示矩阵的迹，T表示矩阵的转置；(6)根据高光谱数据像元之间的相似度矩阵G，构建高光谱数据像元的图保持正则项，用来保持高光谱数据的结构一致性：C2＝Tr((ZX)T(G‑ΔG)(ZX))其中，C₂表示高光谱数据像元的图保持正则项，X表示高光谱数据，X∈R^L×N，Δ^G表示对角矩阵，其对角元素为对应于相似度矩阵G的行和，即(7)根据高光谱数据波段表征的代价C1和高光谱数据像元的图保持正则项C2，构建目标函数J(Z)；(8)根据表征学习和概率约束条件，构造目标函数J(Z)的约束条件；(9)通过交替方向多乘子方法优化目标函数J(Z)，求解概率表征矩阵Z；(10)波段子集选择：选择与概率表征矩阵Z中非零行位置索引相对应的波段组成新的波段子集，该选择的波段子集即为所输入的高光谱数据的表征波段子集。