[发明专利]一种基于稀疏表达图的高光谱图像半监督分类方法

权利要求书

1.一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，包括：

(1)根据高光谱图像的像元数据，得到类别概率矩阵，所述像元数据包括标记类别的像元数据和未标记类别的像元数据；

(2)利用类别概率矩阵和像元数据的空域信息构建正则项，根据正则项得到有约束的稀疏表达目标函数，利用稀疏表达目标函数得到稀疏表达图的相似性权值矩阵；

(3)根据相似性权值矩阵，利用标记传播得到高光谱图像的每个像元的类别；

所述有约束的稀疏表达目标函数为：

其中，L₀为有约束的稀疏表达目标函数，X为高光谱图像的像元数据，M表示类别概率矩阵中两个类别概率向量的欧式距离，λ₁为第一惩罚系数，λ₂为第二惩罚系数，n为高光谱图像的像元数据总数，W为相似性权值矩阵，w_i为第i个高光谱图像的像元数据的稀疏表达系数，w_j为第j个高光谱图像的像元数据的稀疏表达系数，C_ij表示空域信息，diag表示对角矩阵。

2.如权利要求1所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述像元数据为BOT数据、INDPINE数据或者KSC数据。

3.如权利要求1或2所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述步骤(1)的具体实现方式为：

根据标记类别的像元数据构造标记类别概率矩阵，对于未标记类别的像元数据利用稀疏表达式得到未标记类别的像元数据在标记类别的像元数据中的稀疏表达系数，根据稀疏表达系数和标记类别概率矩阵得到未标记类别概率矩阵，将标记类别概率矩阵和未标记类别概率矩阵组合得到类别概率矩阵。

4.如权利要求3所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述稀疏表达式为：

其中，a为稀疏表达系数，x_k为未标记类别的像元数据中的一个像元数据，X_l为标记类别的像元数据，λ为稀疏项权重。

5.如权利要求1所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述步骤(2)的具体实现方式为：

利用类别概率矩阵和像元数据的空域信息构建正则项，根据正则项得到有约束的稀疏表达目标函数，在稀疏表达目标函数中引入辅助变量，得到无约束条件的目标函数，将无约束条件的目标函数分解成3个子目标函数，利用3个子目标函数得到稀疏表达图的相似性权值矩阵。

6.如权利要求1所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述空域信息C_ij为0或1，当第i个高光谱图像的像元数据属于第j个高光谱图像的像元数据的邻域或者第j个高光谱图像的像元数据属于第i个高光谱图像的像元数据的邻域时，空域信息C_ij为1，否则空域信息C_ij为0。

7.如权利要求5所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述无约束条件的目标函数为：

其中，L为无约束条件的目标函数，X为高光谱图像的像元数据，M表示类别概率矩阵中两个类别概率向量的欧式距离，λ₁为第一惩罚系数，λ₂为第二惩罚系数，W为相似性权值矩阵，J为辅助变量，Λ为拉格朗日乘子，μ为正则项的权重，tr表示迹函数。

8.如权利要求7所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述3个子目标函数包括第一子目标函数、第二子目标函数和第三子目标函数，所述第一子目标函数为：

所述第二子目标函数为：

所述第三子目标函数为：Λ＝Λ+μ(J-W)。

9.如权利要求1或2所述的一种基于稀疏表达图的高光谱图像半监督分类方法，其特征在于，所述步骤(3)的具体实现方式为：

根据相似性权值矩阵W构造拉普拉斯矩阵L_W＝D-W,其中，D表示W的对角矩阵，通过求解下式来得到最终的分类结果：

其中，Y_l为标记类别的像元数据的类别，F_u为所有未标记类别的像元数据的预测标记矩阵，l为标记类别的像元数据的个数，u为未标记类别的像元数据的个数，c为标记类别的像元数据的个数，为第i₀个未标记类别的像元数据的预测类别，F_u(i₀,j₀)为第i₀个未标记类别的像元数据属于第j₀标记类别的像元数据的类别的概率。