[发明专利]一种高光谱分类方法及装置

摘要

本发明公开了一种高光谱分类方法及装置。当前高光谱遥感数据的维度和数据量大幅度增加，然而在数据降维之后会导致信息丢失，本发明中提出的高光谱分类方法通过约束非负矩阵分解的思想，克服了高光谱图像在非负矩阵分解降维之后标签信息丢失的缺点，此外以顶点成分分析算法计算得到的第一端元光谱矩阵作为约束非负矩阵算法的初值，使算法的运行速度加快，通过机器学习算法的分类信息来构造标签约束矩阵，能够有效提升高光谱图像的分类精度和分类速度，通过约束非负矩阵分解更新得到各类端元，有效的反映了各类地物的空间分布情况，解决了当前的光谱分类方法会造成高光谱图像在非负矩阵分解降维之后标签信息丢失，从而导致分类精度低的技术问题。

主权项

1.一种高光谱分类方法，其特征在于，包括：S1：提取待分类的高光谱图像中的高光谱特征矩阵，得到第一高光谱特征矩阵，并将第一高光谱特征矩阵中的存在负值元素的波段删除，更新得到第二高光谱特征矩阵，其中，高光谱特征矩阵中的行代表波段，列代表像元；S2：通过顶点成分分析法提取第二高光谱特征矩阵中的第一端元光谱矩阵；S3：通过机器学习算法计算第二高光谱特征矩阵中各个像元与第一端元光谱矩阵中各个端元之间的距离和各个端元相互之间的距离，将第一端元光谱矩阵的第k个端元和第二高光谱特征矩阵中与第k个端元的距离小于预置距离阈值的像元分类为第k类端元；S4：根据分类结果构建L行r列的指示矩阵C，若第二高光谱特征矩阵包括m个第k类端元，则指示矩阵C中第k行中第j+1列至第j+m列的元素取值为1，其余元素取值为0，并根据指示矩阵C构建标签约束矩阵A，其中，L为端元的类别数，r为第二高光谱特征矩阵中各类端元的总个数，j为第二高光谱特征矩阵中第1类至第k‑1类端元的总个数，标签约束矩阵A的表达式为：I为行列数皆为(n‑L)的单位矩阵，n为第二高光谱特征矩阵中像元总个数；S5：对第二高光谱特征矩阵进行列位置调整，将分类为端元的像元按照类别顺序从第一列开始依次排列，且同一类端元内按照第二高光谱特征矩阵中原列位置的顺序依次排列，未分类为端元的像元按照第二高光谱特征矩阵中原列位置的顺序从最后一列端元的下一列开始依次排列，更新得到第三高光谱特征矩阵；S6：以第一端元光谱矩阵作为初值，根据第三高光谱特征矩阵和标签约束矩阵A通过约束非负矩阵分解算法对第一端元光谱矩阵进行迭代更新，将迭代至收敛时得到的端元光谱矩阵为第二端元光谱矩阵，以第二端元光谱矩阵为待分类的高光谱图像的高光谱分类结果。