[发明专利]基于子空间学习的图正则高光谱图像波段选择方法

摘要

本发明提出了一种基于子空间学习的图正则高光谱图像波段选择方法，具体实现的步骤为：(1)输入高光谱图像数据矩阵；(2)归一化数据矩阵；(3)计算图正则波段相似度矩阵；(4)计算图正则波段相似度对角矩阵；(5)构造重构矩阵；(6)初始化重构矩阵；(7)设置迭代次数；(8)计算子空间波段选择矩阵；(9)判断当前迭代次数是否大于最大迭代次数，若是，则执行步骤(10)，否则，将当前迭代次数加1，执行步骤(8)；(10)输出子空间波段选择矩阵；(11)构造子空间数据矩阵。本发明提供了学习机制，利用光谱空间几何结构信息，提高了波段选择的准确性。

主权项

1.一种基于子空间学习的图正则高光谱图像波段选择方法，包括如下步骤：(1)输入高光谱图像数据矩阵；(2)归一化高光谱图像数据矩阵：对高光谱图像数据矩阵中所有的元素进行归一化处理，得到归一化的高光谱图像数据矩阵，将归一化的高光谱图像数据矩阵的每一行作为一个波段；(3)计算图正则波段相似度矩阵：采用权重度量算法，计算归一化的高光谱图像数据矩阵所有波段的图正则波段相似度，得到归一化的高光谱图像数据矩阵所有波段的图正则波段相似度矩阵；(4)计算图正则波段相似度对角矩阵：对归一化的高光谱图像数据矩阵所有波段的图正则波段相似度矩阵进行对角处理，得到归一化的高光谱图像数据矩阵所有波段的图正则波段相似度对角矩阵；(5)构造重构矩阵：采用全1矩阵法，构造归一化的高光谱图像数据矩阵的对角矩阵、归一化的高光谱图像数据矩阵的系数矩阵、归一化的高光谱图像数据矩阵的子空间波段选择矩阵三个重构矩阵；(6)初始化重构矩阵：对归一化的高光谱图像数据矩阵的对角矩阵、归一化的高光谱图像数据矩阵的系数矩阵、归一化的高光谱图像数据矩阵的子空间波段选择矩阵三个重构矩阵进行初始化；(7)设置迭代次数：将迭代次数设置为0，将最大迭代次数设置为30；(8)计算子空间波段选择矩阵：(8a)利用归一化的高光谱图像数据矩阵的对角矩阵的更新公式，得到当前迭代次数下更新的归一化的高光谱图像数据矩阵的对角矩阵；(8b)利用归一化的高光谱图像数据矩阵的系数矩阵的更新公式，得到当前迭代次数下更新的归一化的高光谱图像数据矩阵的系数矩阵；(8c)利用归一化的高光谱图像数据矩阵的子空间波段选择矩阵的更新公式，得到当前迭代次数下更新的归一化的高光谱图像数据矩阵的子空间波段选择矩阵；(9)判断当前迭代次数是否大于最大迭代次数，若是，则执行步骤(10)，否则，将当前迭代次数加1，执行步骤(8)；(10)子空间波段选择矩阵；(11)构造高光谱图像子空间数据矩阵：(11a)采用波段评价值公式，利用归一化的高光谱图像数据矩阵的子空间波段选择矩阵，计算归一化的高光谱图像数据矩阵的波段评价值向量；(11b)将归一化的高光谱图像数据矩阵的波段评价值向量中的元素从大到小排序，将排序中选择出的波段评价值最大的波段构造成高光谱图像子空间数据矩阵。