[发明专利]一类基于图像块距离的高光谱图像流形降维方法

权利要求书

1.一类基于图像块距离的高光谱图像流形降维方法，其特征在于，采用一种新的图像块距离度量，该距离度量将观测像素看作高维流形上的一点，同时兼顾到观测点周围的空间结构：

对于大小为                                                且波段数为的高光谱数据集来说，假设以观测像素和为中心的空间邻域和内的像素点组成的集合分别为，，其中，集合和的大小均为；则观测像素和之间的图像块距离（IPD）定义为：  （1）

其中，图像块大小为，，，距离函数为两观测像素之间的光谱角距离、欧式距离或者Kullback–Leibler散度距离，相应的定义分别如下：

                                 （2）

                                    （3）

                          （4）

其中，，，，，、、和分别表示向量、、和的第个元素；

上述距离度量表征了以观测像素为中心的图像块之间的差别。

2.根据权利要求1所述的基于图像块距离的高光谱图像流形降维方法，其特征在于，采用改进的LLE算法；

已知水平宽度、垂直宽度和波段数分别为、和的高光谱图像数据矩阵，邻接点个数，数据集内在维数，所述改进LLE算法的步骤如下：

步骤一：计算图像块距离矩阵

（a）图像镜像扩展：对应于大小为的图像块，原始数据扩充为，使得处于边缘和四角的像素也可以使用图像块距离；

（b）对于原始数据集上的任意两个观测像素点和，根据式（1）计算图像块距离，得到图像块距离矩阵；

步骤二：在全样本点中寻找每个样本点的个邻近点；

步骤三：根据原始的LLE算法，通过求解最优化问题得到约束的权重矩阵，得到低维嵌入坐标。

3.根据权利要求1所述的基于图像块距离的高光谱图像流形降维方法，其特征在于，采用改进的ISOMAP算法；

已知水平宽度、垂直宽度和波段数分别为、和的高光谱图像数据矩阵，邻接点个数，数据集内在维数，所述的改进ISOMAP算法的步骤如下：

步骤一：计算图像块距离矩阵

（a）图像镜像扩展：对应于大小为的图像块，原始数据扩充为，使得处于边缘和四角的像素也可以使用图像块距离；

（b）对于原始数据集上的任意两个观测像素点和，根据式（1）计算图像块距离，得到图像块距离矩阵；

步骤二：在全样本点中寻找每个样本点的个邻近点，并基于构建邻域图，计算最短路径矩阵和执行MDS算法，得到最优嵌入结果。