[发明专利]一种高光谱图像组合核最小噪声分离变换特征提取方法

摘要

本发明提出一种高光谱图像组合核最小噪声分离变换特征提取方法，属于高光谱图像数据处理与应用技术领域。包括以下步骤1)采集高光谱反射率数据；2)估计图像噪声；3)构造最小噪声分离变换模型；4)构造对偶模式最小噪声分离变换模型；4)综合高斯核函数学习能力强和多项式核函数泛化能力强的优势，构造组合核函数；5)构造组合核最小噪声分离变换模型；6)运用组合核最小噪声分离变换进行高光谱图像特征提取。本发明通过组合核函数，把原始不可分的高光谱数据，映射到核特征空间，使之可分，获得优于核最小噪声分离变换及传统最小噪声分离变换的高光谱图像特征提取效果。

主权项

一种高光谱图像组合核最小噪声分离变换特征提取方法，其特征在于，包括以下步骤：S1、采集高光谱反射率数据X：X是n行p列矩阵，其中p是波段数，n是某个波段上的像元数目；S2、估计图像噪声：对原始数据X用3*3的矩阵进行高通滤波，估计噪声xN(r)；S3、线性最小噪声分离变换模型构造：把图像看作信号和噪声的和，即：x(r)＝xS(r)+xN(r)，其中xS(r)是信号部分，xN(r)是噪声部分，r表明图像上像素所在的位置，xS(r)和xN(r)不相关，则x的方差‑协方差矩阵S是信号分量和噪声分量的和S＝SS+SN，定义噪声分数NF为噪声方差和总信号方差的比值，故对于x(r)的线性组合aTx(r)有，在线性最小噪声分离变换中，最大化此式；S4、对偶模式最小噪声分离变换构造：用XTb代替a得到对偶模式最小噪声分离变换，即，S5、混合核函数构造：选择学习能力强的高斯核函数及泛化能力强的多项式核函数的线性组合构造混合核函数，公式为：k(xi,xj)＝λ·exp(‑(xi‑xj)2/2σ2)+(1‑λ)·(xixj+1)d，λ为权重系数，0≤λ≤1，σ为高斯核函数的核宽度，d为多项式核函数的阶数；S6、求核矩阵K及噪声核矩阵KN：矩阵K的元素是k(xi,xj)，KN的元素是k(xi,xNj),i,j＝1,...,n，其中xi,xj是在高光谱反射率数据中随机选取的子样数据；S7、计算中心化后的核矩阵K，噪声核矩阵KN；S8、组合核最小噪声分离变换模型构造：该模型为最大化下式，其中，Φ是X的映射，ΦN是XN的映射，Φ和ΦN均为n×q的矩阵，q≥p；S9、组合核最小噪声分离变换模型求解；S10、输出组合核最小噪声分离变换后的数据集。