[发明专利]一种基于置信度构造类属字典的高光谱无监督分类方法

摘要

本发明公开了一种基于置信度构造类属字典的高光谱图像无监督分类方法，该方法首先构造二维光谱—像元矩阵；行和列规范化处理；特征抽取与选择，得到各像元的降维特征；粗分类和置信度评估，即利用降维特征对各像元进行分类计算各光谱像元与其粗分类类别中心的欧氏距离，作为置信度水平，得到高置信度分类样本和低置信度分类样本；最后，基于核化稀疏表示进行二次分类，即由高置信度分类样本构成类属字典，对低置信度分类样本进行核化稀疏表示，通过最小类别重建误差确定低置信度光谱像元的分类标签。本发明克服了直接利用全部光谱数据构造字典所带来的分类子空间刻画精度不足和计算复杂度过高的问题，提高了字典子空间鉴别性，降低了误分类错误率。

主权项

一种基于置信度构造类属字典的高光谱无监督分类方法，其特征在于步骤如下：步骤S1：构造高光谱图像的二维光谱‑像元矩阵，即对高光谱图像按照逐像元光谱向量排列形成光谱‑像元矩阵；步骤S2：行和列规范化处理，得到规范化光谱‑像元矩阵；步骤S3：奇异值特征抽取与选择，即对规范化后的光谱‑像元矩阵进行奇异值SVD分解，选取左右奇异特征向量形成特征向量矩阵；步骤S4：粗分类，即利用K均值方法对特征向量矩阵进行分类，得到各光谱像元的粗分类结果，即把Z中每一行看作待分类的各样本，对特征向量矩阵Z粗分类，得到B+N个类别标签，前B个为二维光谱‑像元行对应的类别标签，后N个为列对应的类别标签，即N个像元对应的类别标签。此步粗分类得到类别集合C1,C2,...,Cm为粗分类结果，其中m≥2为指定类别数，B为高光谱图像的波段数，N为高光谱图像的像元数；步骤S5：基于置信度构造类属字典，即由粗分类的结果，对每类的光谱像元与其类别中心欧氏距离作为置信度评价准则，通过置信度筛选进一步划分为低置信度光谱像元样本和高置信度分类样本，高置信度分类样本构成类属字典；步骤S6：基于核化稀疏表示二次分类，即由类属子字典对低置信度光谱像元样本进行核化稀疏表示，通过最小类别重建误差确定低置信度光谱像元样本的类别标签。