[发明专利]一种基于稀疏特征和马尔科夫随机场的高光谱图像分类方法

说明书

技术领域

本发明属于遥感信息处理技术领域，具体涉及一种基于稀疏特征和马尔科夫随机场的高光谱图像分类方法。

背景技术

高光谱图像分类是一种重要的获取信息的手段，以高光谱图像为对象，利用统计模式识别技术，提取研究取识别模式的统计特征值，然后根据某种决策准则做出类别决策，实现对不同地物的判别，其目标是将图像中的每个像元划分给一个类别。不同的地物由于反射的电磁能量不同表现出波谱的差异性，这就是高光谱分类的理论依据。良好的高光谱图像分类有助于充分挖掘高光谱图像信息，高光谱数据的特点是数据量大、冗余多，维数较高，同时在波段之间存在着很强的相关性。传统高光谱处理中通常用到的信息为原始的光谱(Original Spectral,OS)特征和主成分分析(Principal Components Analysis,PCA)特征信息，如何有效地利用丰富的光谱信息，并同时确保处理精度获得了越来越广泛的关注。

传统的高光谱数据分类方法中存在以下几个问题：1、高光谱数据不能得到很好的表达致使分类精度不高。2、没有充分利用邻域信息。针对以上问题，本发明提出一种稀疏特征和马尔科夫随机场的高光谱图像分类方法。

发明内容

本发明的目的是提供一种具有更优的分类效果，分类视觉效果好，分类精度高的基于稀疏特征和和马尔科夫随机场的高光谱图像分类方法。

本发明的目的是这样实现的：

(1)读入高光谱图像数据：

读入三维的高光谱高维数据，进行维数转换从三维转换为二维数据，对所得的二维数据作归一化处理得到高光谱遥感图像数据集X，确定要处理的样本类别数为s；

(2)求解字典D：

高光谱遥感图像数据集表示n维实数集，其中n为高光谱数据的行数，x_p表示X中的第p个列向量，h为其列总数，字典d_z表示D中的第z个列向量，W为其列总数，把稀疏表示表达为：

minD,α12||X-Dα||F2+λ||α||1,1s.t.||dz||2≤1∀z∈1,···,W,---(1)]]>

其中，为系数矩阵，λ＞0，参数λ平衡重构误差和稀疏性之间的折中关系；得到高光谱数据所对应的字典D；

(3)求解稀疏特征A：

将像元x∈X表示为字典D中原子的稀疏线性组合：