[发明专利]基于图正则低秩表示维数约简的高光谱图像分类方法

权利要求书

1.一种基于图正则低秩表示维数约简的高光谱图像分类方法，包括如下步骤：

步骤1：输入高光谱图像该高光谱图像包含c类像素点，有N个像素点，图像的每一个像素点为一个样本，每个样本用一个特征向量x_i表示，i＝1，...，N，R表示实数域，样本的特征维数为H。

步骤2：根据均值漂移方法将高光谱图像X分割成M块，得到预分割后的高光谱图像X_G，对分割后的每一个图像块里的所有样本点的特征向量求平均，每一个图像块得到一个新样本点m＝1，...，M，得到新样本集Xnew=[xnew1,xnew2,...,xnewM];]]>

步骤3：使用图正则低秩表示计算新的样本集X_new的图正则低秩系数矩阵Z，采用非精确增广拉格朗日乘子法获得图正则低秩系数矩阵Z；

步骤4：根据图正则低秩系数矩阵Z，构造高光谱图像新样本集X_new的特征值方程f，设置降维后的维数d，并学习出降维映射矩阵A；

步骤5：将原始高光谱图像X通过降维映射矩阵A映射到低维空间R^d中，得到降维后的样本集x′_i是降维后的样本集X′的第i个样本；

步骤6：在降维后的样本集X′中每类选取t个样本作为训练样本集X_p，其余的样本作为测试样本集X_q，将训练样本集X_p输入到支撑矢量机SVM中进行训练，学习出一个分类器，然后将测试样本集X_q输入到这个分类器中，得到测试样本X_q的分类标签向量Y，标签向量Y即是高光谱图像X的分类结果。