[发明专利]一种高光谱图像组合核最小噪声分离变换特征提取方法

权利要求书

1.一种高光谱图像组合核最小噪声分离变换特征提取方法，其特征在于，包括以下步骤：

S1、采集高光谱反射率数据X：X是n行p列矩阵，其中p是波段数，n是某个波段上的像元数目；

S2、估计图像噪声：对原始数据X用3*3的矩阵进行高通滤波，估计噪声x_N(r)；

S3、线性最小噪声分离变换模型构造：把图像看作信号和噪声的和，即：x(r)＝x_S(r)+x_N(r)，其中x_S(r)是信号部分，x_N(r)是噪声部分，r表明图像上像素所在的位置，x_S(r)和x_N(r)不相关，则x的方差-协方差矩阵S是信号分量和噪声分量的和S＝S_S+S_N，定义噪声分数NF为噪声方差和总信号方差的比值，故对于x(r)的线性组合a^Tx(r)有，在线性最小噪声分离变换中，最大化此式；

S4、对偶模式最小噪声分离变换构造：用X^Tb代替a得到对偶模式最小噪声分离变换，即，

S5、混合核函数构造：选择学习能力强的高斯核函数及泛化能力强的多项式核函数的线性组合构造混合核函数，公式为：k(x_i,x_j)＝λ·exp(-(x_i-x_j)²/2σ²)+(1-λ)·(x_ix_j+1)^d，λ为权重系数，0≤λ≤1，σ为高斯核函数的核宽度，d为多项式核函数的阶数；

S6、求核矩阵K及噪声核矩阵K_N：矩阵K的元素是k(x_i,x_j)，K_N的元素是k(x_i,x_Nj),i,j＝1,...,n，其中x_i,x_j是在高光谱反射率数据中随机选取的子样数据；

S7、计算中心化后的核矩阵K，噪声核矩阵K_N；

S8、组合核最小噪声分离变换模型构造：该模型为最大化下式，其中，Φ是X的映射，Φ_N是X_N的映射，Φ和Φ_N均为n×q的矩阵，q≥p；

S9、组合核最小噪声分离变换模型求解；

S10、输出组合核最小噪声分离变换后的数据集。

2.如权利要求1所述的一种高光谱图像组合核最小噪声分离变换特征提取方法，其特征在于，所述组合核最小噪声分离变换模型求解的方法通过求的特征值与对应的特征向量实现，也即求的特征值和特征向量，特征值按从大到小的顺序进行排序：λ₁≥λ₂≥...≥λ_m，对应的单位特征向量为E₁,E₂,...,E_m。