[发明专利]基于稀疏特征和邻域同属性的高光谱图像分类方法

摘要

本发明提供的是一种基于稀疏特征和邻域同属性的高光谱图像分类方法。包括：1、读入高光谱图像数据；2、求解字典D；3、求解稀疏特征A；4、设定训练集和测试集；5、支持向量机（Support Vector Machines,SVM）二分类；6、确定多分类结果；7、读入邻域尺度集合C；8、邻域划分；9、邻域同属性判定；10、重复进行步骤8和步骤9的循环操作，直到得到邻域同属性分类结果Y_l，其为最终分类结果Y_M。本发明具有分类效果好、处理高维数据时花费代价低，且适用性强等优点。

主权项

一种基于稀疏特征和邻域同属性的高光谱图像分类方法，其特征是：（1）、读入高光谱图像数据读入高光谱高维数据，进行维数转换，并对其作归一化处理得到X，其中含有样本类别数为s；（2）、求解字典D对X进行字典学习，得到高光谱数据所对应的字典D；（3）、求解稀疏特征A利用X和已经求得的字典D求解高光谱数据的稀疏特征A；（4）、设定训练集和测试集从A中将s个类别各选取一部分样本来构成训练集E，测试集设定为整个A；（5）、支持向量机即SVM二分类将具有监督信息的训练样本中属于第i，1≤i≤s类样本对应的样本标号标记为+1，其余s‑1的类别对应的样本标号标记为‑1，训练样本经过SVM训练进而对测试样本进行二分类，并对分类结果进行存储；（6）、确定多分类结果由步骤（5）的分类结果确定多分类的分类结果，得到稀疏分类结果Y₀；（7）、读入邻域尺度集合C确定其中尺度的个数为l，l≥1，其中C中尺度元素为c_m，1≤m≤l；（8）、邻域划分对稀疏分类结果Y₀进行尺度为c_m，1≤m≤l的划分，得到一系列c_m×c_m尺寸的方形邻域；（9）、邻域同属性判定计算各邻域结构的异属度，进行邻域同属性判定处理，输出分类结果Y_m；（10）、重复进行步骤（8）和步骤（9）的循环操作其中步骤（8）中第m次的输入为步骤（9）中第m‑1次的处理结果Y_m‑1，直到得到邻域同属性分类结果Y_l，其为最终分类结果Y_M；求解完毕，Y_M即为基于稀疏特征和邻域同属性的高光谱图像分类方法的分类结果。