[发明专利]一种基于SIFT‑LPP的高光谱遥感影像特征提取方法

权利要求书

1.一种基于SIFT-LPP的高光谱遥感影像特征提取方法，其特征在于：包括以下步骤：

S1：找到影像的特征关键点m_i(x,y,σ)，σ为高斯正态分布的方差；

S2：以特征关键点m_i(x,y,σ)为中心，选取4*4大小的区域，构建128维特征向量SIFT_i，并进行归一化处理，获得向量d＝(d₁,d₂,…,d_n)^T，d_i∈R^N，i＝1,2,…,n；其中，n为维度；

S3：将向量d＝(d₁,d₂,…,d_n)^T通过矩阵W_PCA映射到PCA子空间，得到向量α＝(α₁,α₂,…,α_n)^T；

S4：构造最近邻图G和相似矩阵S：将PCA子空间向量的数据点α_i相应的n个节点图用邻图G体现，然后在α_i相应的节点i和α_j相应的节点j处设立边缘，其中α_i和α_j之间相差k个最近的样本点，并利用式(1)计算出相似矩阵S中的元素S_ij；

S5：通过式(2)求解n个特征值和n个特征向量，将得到的特征向量构成矩阵W_LPP，从而得到算法的映射矩阵W为W＝W_PCAW_LPP；

XLX^Tw＝λXDX^Tw(2)

式(2)中，X＝{x₁,x₂,…,x_n}，L＝D-S，λ为实数，w为映射矩阵W中的向量；

S6：对影像进行SVM分类，以平均分类精度来验证算法的有效性。

2.根据权利要求1所述的基于SIFT-LPP的高光谱遥感影像特征提取方法，其特征在于：所述步骤S1中的特征关键点m_i(x,y,σ)通过以下步骤找到：

S1.1：对原始输入的高光谱遥感影像I(x,y)进行高斯滤波，生成的尺度空间函数L(x,y,σ)如式(3)所示：

$L(x,y,\mathrm{\σ})=G(x,y,\mathrm{\σ})\⊗I(x,y)---\left(3\right)$

式(3)中，G(x,y,σ)为高斯函数，如式(4)所示；

$G(x,y,\mathrm{\σ})=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-(x^2+y^2)/2{\mathrm{\σ}}^2}---\left(4\right)$

S1.2：在尺度空间内，构建高斯函数差分的DOG函数D(x,y,σ)，如式(5)所示：

$\begin{array}{c}D(x,y,\mathrm{\σ})=\left(G\right(x,y,k\mathrm{\σ})-G(x,y,\mathrm{\σ}\left)\right)\⊗I(x,y,\mathrm{\σ})\\ =L(x,y,k\mathrm{\σ})-L(x,y,\mathrm{\σ})\end{array}---\left(5\right)$

式(5)中，k为一个实数；

S1.3：在生成的尺度空间内，通过对比当前尺度的图像像素与相邻的8个像素点以及上下不同尺度的图像的各9个像素点的像素大小，选择出局部的极值点作为特征关键点m_i(x,y,σ)。