[发明专利]基于局部聚类比例排序的高光谱波段选择方法

摘要

本发明公开了一种基于局部聚类比例排序的高光谱波段选择方法,解决了高光谱波段选择算法中缺乏噪声鲁棒性、选择的波段相关性强的问题。具体步骤有：输入数据，预期选择的波段数以及参数；考虑到噪声的影响，计算更能反映真实波段信息的相似度矩阵；波段聚类；计算波段的局部与全局信息的比值作为等级，降序排序后将波段动态地加入最终解集。为每个波段分配一个最大可聚类距离，免将某些波段错误聚类；选择波段时，波段等级是局部和全局信息的比值，并且考虑到临近波段间的强相关性，避免选入含有冗余信息的波段。本发明计算的相似度矩阵具有一定鲁棒性，选出波段含有较少冗余信息，分类性能更好。应用在高光谱图像处理领域。

主权项

一种基于局部聚类比例排序的高光谱波段选择方法，其特征在于，包括有如下步骤：(1)输入数据及参数：高光谱图像原始数据Ι∈Rm×n×d，其中m，n分别表示图像的长与宽，d表示波段数目，将高光谱图像I展开成一个二维矩阵D＝{x1,x2,...,xd}，其中xi表示一个m×n维的向量，即一个波段，1≤i≤d；输入的参数有：预期选择的波段数K，相似度阈值参数th1，聚类阈值参数th2；(2)计算波段之间的相似度矩阵：利用相似度阈值参数th1和高光谱数据D来计算阈值向量diff之后，根据波段之间距离和阈值向量来计算波段之间的相似度，再将其呈现为矩阵的形式；(3)波段聚类：对于第i波段，根据聚类阈值参数th2为其分配最大可聚类距离maxdisi，如果其他波段中与之距离小于maxdisi，则表示两个波段可以聚为一类，否则，两个波段不能聚为一类；(4)分配等级，动态地加入最终解集：计算聚类后每个波段的局部信息与全局信息的比值，作为波段的等级；降序排序之后动态地选入初始化为空的集合，直到集合大小为K，方法结束；将结束后的解集作为高光谱波段选择的结果，即选出的波段集合。