[发明专利]一种基于紧凑字典稀疏表示的高光谱遥感图像分类方法

摘要

本发明公开了一种基于紧凑字典稀疏表示的高光谱遥感图像分类方法，有效改善了现有基于残差的稀疏表示分类方法使用固定全类别字典造成的类别干扰及求解耗时问题。该方法在分类过程中，利用邻域标签信息以及光谱相似度衡量方法为每个测试样本构造了一个自适应类别的紧凑字典，并通过空间位置扩张策略将有限的局部标签信息传递到高光谱遥感图像中更广阔的区域，从而更加充分地探索了高光谱遥感图像的空间信息，同时缩小了字典的规模和分类决策范围，使稀疏系数的求解时间大大减少，分类的速度和准确率得到显著提升。本发明可用于农业，环境监测及军事国防等领域。

主权项

1.一种基于紧凑字典稀疏表示的高光谱遥感图像分类方法，其特征在于，包括以下步骤：(1)读入大小为L×W×B的高光谱遥感图像I，其中L为高光谱遥感图像的纵长，W为横宽，B为所包含的光谱波段数；(2)读入大小为L×W的训练样本标记矩阵F，F中的元素F(i,j)对应I中相应位置的光谱向量si,j＝I(i,j,:)，且其中L为矩阵的行数，W表示矩阵的列数，F(i,j)表示矩阵F中位于第i行第j列的元素，I(i,j,:)表示由I中所有波段第i行第j列元素所构成的列向量，满足1≤i≤L,1≤j≤W，c表示训练样本对应的类别标签，其取值为1～C之间的整数，C表示I中所包含的地物类别总数；(3)将I中每个光谱向量si,j进行l2规范化操作即，得到对应规范化后的光谱向量d_i,j，并构成新的高光谱数据I'，然后根据F将I'中训练样本对应位置的光谱向量d_i,j取出，按类别分组构成一个全类别字典其中为第c个子字典，由第c类所有训练样本对应的光谱向量构成(d_i,j和都表示光谱向量，d_i,j表示高光谱图像I'中第i行j列位置上对应的规范化后的光谱向量，而表示第c个类别中第t个训练样本对应的光谱向量)，且其中N_c为第个c子字典中训练样本的个数，N为总的训练样本个数；(4)定位到I'中训练样本所在的位置，并将与训练样本直接相邻的样本对应的光谱向量di,j取出，构成一个候选测试集Z；(5)从候选测试集Z中随机选取一个测试样本x，通过获取x周边已知的邻域标签以及计算x与各个类别样本之间的光谱相似性分别得到一个对应该测试样本x的空间标签集Sspa和光谱标签集Sspe；(6)求得空间标签集S_spa与光谱标签集S_spe的并集U，根据集合U中所包含的类别将对应的子字典合并构成一个新的紧凑字典(7)将得到的紧凑字典应用于联合稀疏模型，并利用同步正交匹配追踪算法求得稀疏系数，根据最小残差准则在集合U所包含的类别范围内为当前测试像素x分配类别标签，然后将该测试像素x从候选测试集Z中移除，重复步骤(5)～(7)，直到候选测试集Z为空集；(8)运用空间位置扩张策略，在上述分类结果的基础上，重新选取与已知标签样本相邻的样本对应的光谱向量，构成新的候选测试集Z，回到第(5)步继续分类，直到所有的测试样本都分类完毕，最终得到一个大小为L×W的分类标签矩阵M；(9)为每个地物类别指定一个颜色，并根据M中每个元素的标签得到一个对应高光谱遥感图像I的分类结果图。