[发明专利]基于增量局部残差最小二乘法的高光谱图像Gabor特征分类方法

摘要

本发明公开了一种基于增量局部残差最小二乘的高光谱图像Gabor特征分类方法，包括以下步骤：读取高光谱图像数据立方体h(x,y,b)；使用给定参数(频率幅值和空谱空间方向)的Gabor滤波器对高光谱图像立方体进行滤波，得到特征图像立方体；获取特征图像立方体中已标注类别的像素点作为训练像素，未标记类别的像素点为测试像素；在当前Gabor特征下，利用增量局部残差最小二乘法依次更新重构系数矩阵，以及测试像素重构值与真实测试像素间的累积类别局部残差；清空当前Gabor特征图像数据立方体；在下一组给定的Gabor滤波器参数下，提取新的Gabor特征数据立方体，重复上述更新步骤，得到遍历给定Gabor特征参数集合后的最终类别局部残差；按照最小类别局部残差准则进行分类。

主权项

1.基于增量局部残差最小二乘的高光谱图像Gabor特征分类方法，其特征在于，所述方法包括以下步骤：步骤1、读取高光谱图像数据立方体h(x,y,b)，其中x,y表示像素的空间位置，b表示波段；步骤2、对高光谱图像使用给定频率幅值和空谱空间方向的Gabor滤波器进行滤波，得到特征图像数据立方体；步骤3、将特征图像数据立方体中已标注类别的像素点作为训练像素，得到对应特征下的训练像素集A1，未标注类别的像素点作为测试像素集y1；步骤4、利用最小二乘法对初次滤波得到的特征图像数据立方体中的训练像素集A₁和测试像素集y1计算系数矩阵然后，在当前Gabor特征下用系数矩阵和训练像素集A₁对测试像素集y₁进行重构，计算重构所得的值与真实测试像素之间的初始累积类别局部残差J_i，并为后续更新计算初始中间变量，即初始累积矩阵∑₁和初始类别累积矩阵σ_1,i；步骤5、清空当前Gabor特征图像数据立方体；步骤6、给定下一组Gabor滤波器的频率幅值和空谱空间方向参数，对高光谱图像进行滤波得到新的特征图像数据立方体，并获取新特征图像数据立方体中与步骤3对应的训练像素集Ai和测试像素集yi；步骤7、在当前Gabor特征下，利用增量局部残差的最小二乘法依次对系数矩阵、累积类别局部残差以及迭代中间变量进行更新；步骤8、重复步骤6‑7，得到遍历给定Gabor特征参数集合后的系数矩阵及所有类别的最终类别局部残差J_i，按照最小类别局部残差准则，测试像素最小最终类别局部残差J_min对应的类别判定为该测试像素的类别。