[发明专利]一种基于空间特征迭代的高光谱图像分类方法

摘要

本发明公开了一种基于空间特征迭代的高光谱图像分类方法，根据高光谱样本数据计算出地物类别的光谱签名d_i；并设置类别目标集合、背景端元集合及颜色约束矩阵；利用高光谱图像的背景端元U、约束矩阵C及图像自相关逆矩阵R^‑1定义一个能同时进行多类别分类的分类器T_k，并提取所有类别目标的初始分类结果，同时提取每种类别目标分类结果的空间特征{T_k(i_G)}，接着把空间特征{T_k(i_G)}反馈叠加到待分类的高光谱图像中进行空间特征与谱间特征的融合；再通过迭代的方式进行多类别的同时分类，直到达到设定的迭代停止条件；最后把分类结果采用不同颜色进行标注。本方法有效利用光谱统计特征与迭代空间特征相融合的方式进行高光谱图像类别特征判断，逐步提高高光谱图像分类的准确度。

主权项

1.一种基于空间特征迭代的高光谱图像分类方法，其特征在于：采用如下步骤：/nS1：已知高光谱图像像元的信号源信息，根据高光谱样本分类的标签，计算出每种地物类别的光谱签名d_i，并根据分类的类别数目p生成待分类目标端元的光谱签名矩阵D¹＝[d₁,d₂,...d_p]；/nS2：把地物目标D的正交子空间投影最大的像元定义为背景端元，计算出高光谱图像的背景端元光谱签名U＝{u}；/nS3：根据类别数目p和背景端元q的数目,q＝1，设置迭代次数k的初值为1设置约束矩阵C，利用约束矩阵C来同时约束地物目标D和高光谱图像的背景端元光谱签名U,从而将地物目标与背景部分进行区分；/nS4：利用地物目标D、背景端元光谱签名U、约束矩阵C及图像自相关逆矩阵R^-1定义一个能同时进行多类别分类的分类器T_k，并提取所有类别目标的初始分类结果{T_k(i)}，其中1≤i≤p；/nS5：提取每种类别目标分类结果的空间特征{T_k(i_G)}，并把空间特征{T_k(i_G)}反馈叠加到待分类的高光谱图像中，将空间特征与光谱特征进行融合；/nS6：利用自适应阈值将分类器结果进行地物目标和背景部分的分类，并设定迭代停止条件；/nS7：如果迭代条件满足，k＝k+1，更新地物目标D^k、背景部分U^k，并跳到步骤S4继续进行分类，直到达到迭代停止条件，分类结束；/nS2中：地物目标D的正交子空间投影最大的像元定义为背景端元，按照以下公式检测出高光谱图像的背景端元光谱签名U＝{u}；/n /n其中为D的正交补矩阵，其计算公式如下：/n /nS3中：根据p和q的数目，设置约束矩阵C:/nC_(p+q)×p＝[C1_p×p,C2_p×q]^T (4)/n其中C1_p×p＝[c₁,c₂,..c_p]是以1为对角线的对角阵，C2_p×q为p×q大小的0矩阵，其列向量c_i用于约束第i个地物目标，1≤i≤p，利用约束矩阵C来同时约束D和U,能同时将地物目标与背景部分进行区分，具体的约束矩阵C的转置矩阵如下；/n /n根据D^m_L×p和及约束矩阵C_(p+q)×p，定义同时对p个目标进行分类的多类别分类器T_k，/nT_k＝W^Tr (6)/n其中/nW＝R_L×L^-1[D^mU^m]([D^mU^m]^TR_L×L^-1[D^mU^m])C_(p+q)×p (7)/n其中R为高光谱图像的样本光谱自相关矩阵，其定义如下：/n /n其中r＝[r₁r₂...r_n]，利用逆矩阵R^-1把高光谱图像的样本光谱进行压抑，对于每种地物的分类结果T_k(i)，1≤i≤p的计算如下：/nT_k(i)＝w^Tr (9)/n其中/nw＝R^-1[D^mU^m]([D^mU^m]^TR^-1[D^mU^m])C_i (10)/nC_i为约束矩阵C的第i列向量，利用分类器提取当前高光谱图像的分类结果T_k(i)，L为当前高光谱图像的波段数目。/n