[发明专利]基于多核学习的遥感图像稀疏表达分类方法

摘要

本发明公开一种基于多核学习的遥感图像稀疏表达分类方法，主要解决遥感图像空‑谱特征的样本分布不平坦、数据不规则等问题，提高对空‑谱特征中蕴含丰富且复杂非线性结构信息的表达能力。主要步骤包括：(1)对遥感图像进行空‑谱特征提取操作，提取遥感图像的形态学特征；(2)结合遥感图像数据分布特点根据不同准则选取一组基核函数并构建多核稀疏表示模型；(3)利用一组训练数据通过两步交替优化策略学习得到基核函数的最优线性组合；(4)根据训练得到的基核函数最优线性组合将未标注像元映射到集成核特征空间，并利用基于稀疏表达方法进行分类。本发明能充分挖掘遥感图像空‑谱特征中蕴含丰富的非线性结构特征，可用于不同遥感图像场景下土地覆盖精细化解译任务。

主权项

1.一种基于多核学习的遥感图像稀疏表达分类方法，其特征在于，包括多核学习分类模型训练步骤和分类模型预测步骤：/n(1)所述多核稀疏表达分类模型训练步骤具体包括：/n步骤1.1对原始遥感图像进行空-谱特征信息提取操作；/n步骤1.2从原始遥感图像中选取部分标注像元构建训练数据，根据训练数据总重构误差最小准则，将多核学习嵌入到稀疏表示模型构建多核稀疏表达模型；/n步骤1.3根据标注图层，每类选取预设数量的像元构建训练数据，通过两步交替优化策略训练多核稀疏表达模型，即训练得到多核稀疏表达模型各基核最优权重系数；/n(2)所述多核稀疏表达分类模型预测步骤具体包括：/n步骤2.1根据标注图层每类选取预设数目像元构建字典集，利用训练得到最优基核权重系数β，将未标注像元映射到多核特征空间并构建多核字典，即计算多核空间表示向量K(D，y)和多核格拉姆矩阵G；/n步骤2.2在多核诱导空间中，对任意未标注像元y借助多核稀疏表示模型求解其对应编码系数向量α；/n步骤2.3根据多核字典对应标注信息和编码系数向量α，在多核特征空间中利用类最小重构误差准则得到像元地物类别，其后获得最终的场景分类效果图。/n