[发明专利]基于改进的局部奇异谱分析的高光谱图像特征提取方法

摘要

本发明提供的一种基于改进的局部奇异谱分析的高光谱图像特征提取方法，利用高光谱图像局部特性，获得包含图像局部信息的权值矩阵，结合奇异谱分析的方法，对高光谱图像进行特征提取，提取其主要特征，并且有效增强图像像素点的类别属性，增强图像抗外界因素干扰的能力，有效提高了高光谱图像的分类精度。本发明还构建了优化模型，在对高光谱图像提取有效特征的过程，通过加入最小噪声约束项。使得所提取的特征，噪声更低，降低后续高光谱图像处理的干扰，提高图像处理精度。

主权项

1.基于改进的局部奇异谱分析的高光谱图像特征提取方法，其特征在于，包括以下步骤：S1：设置一个宽度为m的窗，将高光谱图像划分为若干个局部空间块，每一个局部空间块的中心像素点为样本中心点pC，C代表总共的局部空间块的数目；S2：对样本中心点p^C和邻域像素点分别构建轨迹矩阵，分别为X^C、j表示邻域像素点的数目；S3：对轨迹矩阵X^C、进行奇异谱分解，分别得到对应矩阵的奇异值、正交矩阵和主成分矩阵；S4：构建转换矩阵T^C和T^j，通过奇异谱分解重构得到邻域像素点的轨迹矩阵的转换矩阵S5：对转换矩阵进行去燥，得到优化模型；S6：利用梯度下降法对优化模型进行求解，得到局部权值矩阵wC；S7：将局部权值矩阵w^C、相应转换矩阵以及步骤S2中样本中心点p^C的邻域像素点轨迹矩阵进行融合，重构新的轨迹矩阵S8：将获得的每一个重构后的轨迹矩阵表示为一列向量，对应原始高光谱图像的像素点，获得新的高光谱图像。