[发明专利]一种基于优化图谱理论的高光谱降维方法

摘要

一种基于优化图谱理论的高光谱降维方法。提供了一种基于优化图谱理论的高光谱降维方法，解决现有技术对高光谱数据降维只依赖于局部近邻信息，没有考虑非近邻的差异，对后续分类精度没有显著提高的问题。包括如下步骤：1)、根据原始高光谱影像像元间的相似性度量，通过最近邻优化获得优化近邻图；2)、将优化近邻图中的任意两个非近邻像元用边连接，获得连接图，对连接图中的边赋予权重，构成权重矩阵；3)、在映射到低维空间时，保证降维后有边连接的非近邻像元间距离最大化；4)、求解特征向量，构成变换矩阵；5)、计算原始高光谱数据降维后的结果。提高后续高光谱影像分类的精度。

主权项

1.一种基于优化图谱理论的高光谱降维方法，包括如下步骤：1)、根据原始高光谱影像像元间的相似性度量，通过最近邻优化获得优化近邻图；2)、将优化近邻图中的任意两个非近邻像元用边连接，获得连接图，对连接图中的边赋予权重，构成权重矩阵；3)、在映射到低维空间时，保证降维后有边连接的非近邻像元间距离最大化；4)、求解特征向量，构成变换矩阵；5)、计算原始高光谱数据降维后的结果；其特征在于，根据目标函数公式(1)实现所述步骤3)所述的在映射到低维空间时，保证降维后有边连接的非近邻像元间距离最大化，max∑_ij(y_i‑y_j)²W_ij    (1)其中，y_i和y_j分别表示原始像元x_i和x_j降维后在新的特征空间中对应的像元，x_i是原始高光谱影像X的第i个像元向量，W_ij表示连接图中的边的权重。