[发明专利]一种基于图信号采样的高光谱图像主动学习方法

摘要

本发明公开了一种基于图信号采样的高光谱图像主动学习方法，包括：读取三维高光谱图像数据后重排列，将其类别标签作为图信号，利用高光谱图像数据构建权重矩阵，表征图信号点之间的连接关系；保留空间8近邻连接，稀疏化权重矩阵；计算度矩阵、归一化权重矩阵、归一化图拉普拉斯矩阵、二阶图拉普拉斯矩阵；获取初始训练样本作为图信号初始采样点；利用图采样方法采样出图信号非采样集中连接最弱的像素点；将采样像素点加入图信号采样集；判断采样像素点是否属于测试集，若属于测试集则给与专家标签并加入训练集、移出测试集；使用图重构分类方法验证分类精度；判断训练样本数是否达到设定值，如未达到继续主动学习，达到则退出主动学习过程。

主权项

1.一种基于图信号采样的高光谱图像主动学习方法，其特征在于，所述方法包括以下步骤：S1、读取三维高光谱图像数据立方体H(m,n,b)，其中m、n表示空间像素点位置，b表示所处光谱波段位置；S2、将步骤S1的三维高光谱图像数据按像素位置顺序重排列成二维矩阵I(k,b)，其中k表示像素点标号，k是[1,V]范围内的整数，V是像素点总数，b表示所处光谱波段位置；S3、将高光谱图像类别标签作为图信号，并利用高光谱图像数据计算所有像素点之间的去样本均值的相关系数，将其作为图信号点之间的相似性连接关系，生成权重矩阵W；S4、只连接每个像素点与其空间8近邻的像素点，将步骤S3的权重矩阵W中每个像素点与自身以及与空间8近邻之外的其他像素点的连接权重置0，得到稀疏化的权重矩阵以此矩阵表示图信号点之间优化后的连接关系；S5、计算度矩阵D、归一化权重矩阵归一化图拉普拉斯矩阵L，以及二阶图拉普拉斯矩阵L²；S6、获取初始训练样本，将初始训练样本作为图信号初始采样点；S7、利用图信号采样方法采样出图信号非采样集Sc中连接最弱的像素点；S8、将步骤S7中的采样像素点添加到图信号采样集S中；S9、选择性将步骤S7中的采样像素点添加到训练样本集中：判断步骤S7中图信号采样出的像素点是否属于高光谱图像测试集，如果不属于测试集则不需要给与专家标签；如果属于测试集则给与专家标签，并将该样本点从测试集中移除，加入训练样本集中；S10、使用图重构分类算法验证图信号采样增加了训练样本后的高光谱图像分类精度；S11、迭代循环S7‑S10步骤的高光谱图像图信号采样主动学习过程，直至训练样本数达到设定值。