[发明专利]基于空谱特征保持全局几何结构的多时相高光谱图像分类方法

摘要

基于空谱特征保持全局几何结构的多时相高光谱图像分类方法，本发明涉及多时相高光谱遥感图像分类方法。本发明的目的是为了解决高光谱多时相数据标签获取不易，图像存在明显光谱漂移的情况下，直接利用源时相的高光谱数据分类目标时相数据不可靠的问题。具体过程为：一、输入X^s与X^t和它们的空间坐标Z₁、Z₂，以及X^s各行相应类别标签向量Y；二、计算X^s,X^t的空谱距离选择最近的点作为需要匹配的数据对；三、计算D^s,s，D^t,t以及D^s,t，调整数据集的尺度，构建距离矩阵D；四、获得X^s、的在对准空间的映射矩阵α和β,从而得到投影f^s和f^t；五、利用f^s和f^t以及f^s对应的标签Y，通过KNN分类模型分类，获得目标时相的分类标签。本发明用于图像分类领域。

主权项

1.基于空谱特征保持全局几何结构的多时相高光谱图像分类方法，其特征在于：基于空谱特征保持全局几何结构的多时相高光谱图像分类方法具体过程为：步骤一、输入源图像和目标图像中样本的光谱矩阵X^s、X^t和X^s、X^t的空间坐标Z₁、Z₂，以及X^s各行相应类别标签向量Y；步骤二、计算X^s、X^t的空谱距离d，源图像中的每一类样本在目标图像中选择空谱距离最小的k个样本，作为需要匹配的数据对；步骤三、计算X^s,X^t的测地距离矩阵D^s,s，D^t,t，以及利用数据对计算源图像和目标图像的距离矩阵D^s,t，调整X^s,X^t的尺度，用D^s,s、D^t,t、D^s,t构建距离矩阵D；具体过程为：步骤三一、计算源图像和目标图像各自的测地距离D^s,s，D^t,t；步骤三二、将X^s和X^t调整到同样尺度的空间有D^s,s，ηD^t,t，其中：η＝tr(D_a^TD_a)/tr(D_bt^TD_bt)式中，η为X^t的尺度因子，D_a为一个l×l的矩阵，D_a(i,j)是x^s_ai和x^s_aj的距离，x^s_ai为源图像匹配数据中的第a_i个样本，x^s_aj为源图像匹配数据中的第a_j个样本；D_bt为一个l×l的矩阵，D_bt(i,j)是x^t_bi和x^t_bj的距离，x^t_bi为目标图像匹配数据中的第b_i个样本，x^t_bj为目标图像匹配数据中的第b_j个样本；l＝类别数×k；k是源图像中的每一类样本在目标图像中选择空谱距离最小的样本个数；步骤三三、计算源图像和目标图像的距离矩阵D^s,t：其中，a_j为匹配数据中第a_j个，共计C×k个；b_j为匹配数据中第b_j个，共计C×k个，C为类别数；为源图像匹配数据中的第a_j个，为目标图像匹配数据中的第b_j个样本；步骤三四、计算距离矩阵D，表示联合几何结构：式中，D^s,t为源图像和目标图像的距离矩阵；步骤四、将X^s、D输入到保持全局几何结构的流形对准模型中，获得X^s、在对准空间的线性映射矩阵α和β,从而得到投影f^s和f^t；所述为调整后的目标图像；具体过程为：步骤四一、构建原始数据混合矩阵Z，利用算子将距离转化为内积，表征数据几何结构；将X^s,D输入到保持全局几何结构的对准模型中，模型定义如下：其中S＝D²，并且H＝I‑(1/m)ee^T，I表示单位矩阵，e是全为1的向量，m是源图像和目标图像中样本的大小，α,β分别为源图像X^s和调整后的目标图像在共同空间的线性映射矩阵；q为调整映射函数尺度系数，为正整数；步骤四二、假定γ＝(α^T,β^T)^T，其中γ的求取转化为如下特征值问题求解：式中，T为转置；γ为线性映射矩阵；λ为求得的特征值；步骤四三、利用α和β作为线性映射矩阵将源图像X^s和调整后的目标图像投影到共同空间中，计算方法如下：f^s＝α^TX^s式中f^s为X^s在对准空间得到的投影，f^t为在对准空间得到的投影；步骤五、利用f^s和f^t以及X^s各行相应类别标签向量Y，通过KNN分类模型对f^t分类，获得目标时相的分类标签。