[发明专利]一种基于SIFT‑LPP的高光谱遥感影像特征提取方法

摘要

本发明公开了一种基于SIFT‑LPP的高光谱遥感影像特征提取方法，包括以下步骤S1找到影像的特征关键点mi(x,y,σ)；S2以特征关键点mi(x,y,σ)为中心，选取4*4大小的区域，构建128维特征向量SIFTi，并进行归一化处理，获得向量；S3将向量d＝(d1,d2,…,dn)T映射到PCA子空间，得到向量α＝(α1,α2,…,αn)T；S4构造最近邻图G和相似矩阵；S5求解n个特征值和n个特征向量，将得到的特征向量构成矩阵WLPP，从而得到算法的映射矩阵W为W＝WPCAWLPP；S6对影像进行SVM分类，以平均分类精度来验证算法的有效性。本发明有效提高了地物识别分类精度。

主权项

一种基于SIFT‑LPP的高光谱遥感影像特征提取方法，其特征在于：包括以下步骤：S1：找到影像的特征关键点mi(x,y,σ)，σ为高斯正态分布的方差；S2：以特征关键点mi(x,y,σ)为中心，选取4*4大小的区域，构建128维特征向量SIFTi，并进行归一化处理，获得向量d＝(d1,d2,…,dn)T，di∈RN，i＝1,2,…,n；其中，n为维度；S3：将向量d＝(d1,d2,…,dn)T通过矩阵WPCA映射到PCA子空间，得到向量α＝(α1,α2,…,αn)T；S4：构造最近邻图G和相似矩阵S：将PCA子空间向量的数据点αi相应的n个节点图用邻图G体现，然后在αi相应的节点i和αj相应的节点j处设立边缘，其中αi和αj之间相差k个最近的样本点，并利用式(1)计算出相似矩阵S中的元素Sij；S5：通过式(2)求解n个特征值和n个特征向量，将得到的特征向量构成矩阵WLPP，从而得到算法的映射矩阵W为W＝WPCAWLPP；XLXTw＝λXDXTw                    (2)式(2)中，X＝{x1,x2,…,xn}，L＝D‑S，λ为实数，w为映射矩阵W中的向量；S6：对影像进行SVM分类，以平均分类精度来验证算法的有效性。