[发明专利]基于投影结构稀疏编码的高光谱图像分类方法

说明书

本发明公开了一种基于投影结构稀疏编码的高光谱分类方法，主要解决现有技术不能有效利用高光谱图像邻域信息进行分类的问题。其实现步骤为：(1)读入高光谱图像数据；(2)在高光谱图像有标签的光谱向量中确定训练样本集和测试样本集；(3)根据训练样本集求解投影矩阵；(4)根据高光谱图像训练样本的投影矩阵，求测试样本集稀疏系数；(5)根据投影矩阵和测试样本集的稀疏系数，利用误差判别函数对测试样本进行判定，得到测试样本地物类别标签。本发明具有分类精度高，处理高维数据花费代价小的优点，可用于对高光谱图像的地物区分。

技术领域

本发明属于遥感图像处理技术领域，特别涉及一种高光谱图像分类方法，可用于对高光谱图像的地物区分。

背景技术

高光谱图像地物分类是遥感技术处理的主要内容，其依据是：相同类别的像元在光谱特征和空间特征有一致性，不同地物类别在光谱特征，空间特征上具有明显的差别。高光谱图像是由多光谱遥感成像设备所产生的图谱合一的海量数据，包含了地物的空间信息和非负的光谱信息。图像中的每一个点可以由一个众多谱段的光谱信息构成的高位光谱向量描述，所以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很强的相关性。

在传统的分类方法中，对高维数据进行分类之前，需要对数据进行降维处理，用较少的综合变量来代替原来较多的变量，同时综合变量要尽可能多的反映原来多变量包含的信息然后再用稀疏表示进行分类。其中最经典的降维方法有主成分分析(PrincipalComponents Analysis，PCA)和线性判别分析(Linear Discriminate Analysis，LDA)。但这种分类方法是降维和分类分开进行，容易存在误差，使分类精度受到一定限制。同时还存在处理数据时间长，没有充分利用邻域信息的问题。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于投影结构稀疏编码的高光谱图像分类方法，以降低误差，提高分类精度和数据处理速度。

实现本发明目的的技术方案是将高维数据的降维和分类同时进行，其具体步骤包括如下：

(1)输入一幅包含k个类别的待分类高光谱图像，将该高光谱图像的每一个像素点设定为一个样本，并对其作归一化处理；

(2)在高光谱图像有标签的光谱向量中确定训练样本和测试样本；

(3)根据训练样本求得投影矩阵W；

(3a)按照下式，计算高光谱图像训练图像块的初始稀疏系数

其中，表示X_i对应的初始稀疏系数，通过下式求得：