[发明专利]基于鉴别和鲁棒多特征提取的高光谱图像分类方法

摘要

本发明提出一种基于鉴别和鲁棒多特征提取的高光谱图像分类方法，针对高光谱图像中不同类型的空谱特征，本方法将其投影到一个共同的低秩、鉴别子空间，并保留不同特征的重要性。本方法运行包括两个阶段，首先，根据不同特征的重要性，分别赋予它们不同的权重；然后，学习一个具有鲁棒和鉴别特性的低维子空间；接着，将不同的特征投影至低维子空间中；最后，使用支持向量机对新的特征进行分类。本发明通过特征降维，不仅能够对噪声鲁棒，抵御高光谱图像中的噪声干扰，同时可以保留不同特征的重要性，同时利用已有的标签，使获得的特征具有鉴别特性，有效提高了分类的效果。

主权项

1.基于鉴别和鲁棒多特征提取的高光谱图像分类方法，其特征在于，包括以下步骤：步骤1：根据i种高光谱图像特征对于高光谱图像分类的重要性，分别为i种高光谱图像特征赋予最优权重，得到权重η＝[η(1)，η(2)，...，η(v)]，其中，η(i)是第i种特征的权重，η是总体的权重向量，v为正整数，i∈[1，v]；步骤2：对要学习的低维特征施加低秩约束，并对低维特征赋予鉴别特性；同时，将i种特征投影到同一低维子空间中，并保留i种特征各自的最优权重，建立目标函数学习一个具有鲁棒和鉴别特性的低维子空间，通过计算得到投影矩阵；步骤3：将原高光谱图像数据投影到学习的低维子空间中，得到新的低维特征；步骤4：使用支持向量机对新的低维特征进行分类。