[发明专利]一种非局部加权联合稀疏表示的高光谱图像分类方法

摘要

本发明实施例公开了一种非局部加权联合稀疏表示的高光谱图像分类方法，首先，根据训练样本来获得一个自适应的阈值。然后，利用已得到的阈值和十字窗相似法进行类间差异较大点的排除和其余点权重的计算。接着利用得到的权重对搜索窗内的点进行加权获得联合信号矩阵。最后，将联合稀疏信号矩阵进行联合稀疏表示分类方法的操作，得出中心待测点的类别。采用本发明，通过使用像素间光谱角取代欧氏距离来衡量像素间的相似性，充分地利用高光谱遥感数据的数据信息，克服其维数过高导致的一系列问题，且稀疏表示分类效果理想，很好地减少异类点对中心待测点的干扰。

主权项

1.一种非局部加权联合稀疏表示的高光谱图像分类方法，其特征在于，包括以下步骤：S1：将高光谱图像数据集分成训练样本数据集和测试样本数据集；S2：使用各类训练样本光谱角并选择中间值作为后续操作的自适应阈值；S3：利用所述自适应阈值对以每一个测试样本为中心的搜索窗内的邻点进行预排除；S4：对搜索窗内剩余的点采用十字相似窗来进行与中心测试点相似性的度量，找出最相似的相似结构并计算与中心相似块的光谱角；S5：利用步骤4)得到的光谱角，使用巴托沃斯函数进行权重计算，最终得到搜索窗内各点的权重；S6：将得到的权重赋权给搜索窗内的每一点形成联合信号矩阵，并将利用稀疏表示方法得到稀疏系数矩阵；S7：进行各类子字典和对应稀疏系数重建误差比较，并最终得到分类结果。