[发明专利]一种基于空谱局部性低秩超图学习的高光谱图像分类方法

权利要求书

1.一种基于空谱局部性低秩超图学习的高光谱图像分类方法，其特征在于，对高光谱数据进行空谱局部性约束的低秩表示，从而构建超图模型，运用半监督超图学习模型实现高光谱图像分类，包括以下步骤：

步骤1、输入高光谱数据集，组成光谱特征矩阵X∈R^d×n，d为光谱维数，n为图像的像素数；

步骤2、融入空谱局部性约束，构建空谱局部性约束的低秩表示模型：

其中，λ＞0为正则化参数，β是约束的强度系数；

步骤3、使用交替方向乘子算法迭代求解，得到稀疏系数矩阵Z；

步骤4、根据步骤3模型中所得的重建系数矩阵Z构建空谱局部性低秩超图G＝(V,E,ω)，超图的顶点对应图像的一个像素点，z_i中非零大系数的样本为x_i的邻近样本，与x_i组成一条超边，其权重的计算为：

步骤5、根据步骤4中所建立的空谱局部性低秩超图，进行半监督超图学习，学习模型为：

其中，γ是正则化参数，L是正则化之后的超图的拉普拉斯算子矩阵；

步骤6、设置相关参数，迭代求解步骤5中模型，输出光谱特征数据集X的分类结果矩阵F^*。