[发明专利]基于自适应邻域及字典的联合协作表达高光谱分类方法

说明书

本发明涉及遥感信息处理技术领域，特别涉及一种基于自适应邻域及字典的联合协作表达高光谱分类方法，(1)读入高光谱图像数据，并提取第一主成分分量即PC1；(2)利用PC1，寻找每个像元的自适应邻域集合，并保存；(3)通过自适应邻域，进行图像均值滤波；(4)根据均值高光谱数据构建自适应字典D^k；(5)求解对应的系数矩阵ψ；(6)重构样本，计算对应的残差；(7)确定高光谱像元类别；高光谱图像中的每个测试样本都经过步骤(4)至步骤(7)的处理过程，最终输出高光谱图像分类结果。本发明应用自适应邻域对图像中空间信息进行了有效提取，使用自适应字典避免了不相关元素的参与，分类图视觉效果好，提高了分类的精度。

技术领域

本发明涉及遥感信息处理技术领域，特别涉及一种基于自适应邻域及字典的联合协作表达高光谱分类方法。

背景技术

高光谱图像分类以光学传感器所采集的高维图像作为处理对象，分类的目的是将图像以像元为单位，给每个像元赋予一个标签类别。分类的依据为不同类别所对应的波谱信息由于地物反射电磁能量不同而存在一定的差异性。随着技术的发展，协作表达分类(collaborative representation classification,CRC)被成功的引入高光谱图像分类中，并具有一定的优势。

现有的高光谱图像协作表达分类方法中主要存在以下问题：1、针对不同的像元，高光谱图像中的邻域信息没有得到自适应性有效地提取。2、针对不同的像元，字典集合中不相关元素并没有得到自适应地筛减。上述问题导致高光谱图像不能得到较好的表达致使分类精度不高。针对以上问题，本发明提出一种基于自适应邻域及字典的联合协作表达高光谱分类方法。

现有技术的CRC：假设高光谱图像含有j个不同类别的样本，每个类别中选取出一定的训练样本构成训练数据D。采用基于l₂-范数约束表达式求解高光谱图像中所测试像元x的系数α：其中，||·||₂表示l₂-范数，λ为大于零的数，为平衡因子。最终CRC通过选取具有最小正则化重建误差的所对应类别来确定测试像元x的类别。

该技术的缺点有：

1、针对不同的像元，高光谱图像中的邻域信息没有得到自适应性有效地提取。

2、针对不同的像元，字典集合中不相关元素并没有得到自适应地筛减。

上述问题导致高光谱图像不能得到较好的表达致使分类精度不高。

发明内容

本发明针对现有技术的缺陷，提供了一种基于自适应邻域及字典的联合协作表达高光谱分类方法，能有效的解决上述现有技术存在的问题。

为了实现以上发明目的，本发明采取的技术方案如下：

基于自适应邻域及字典的联合协作表达高光谱分类方法，包括如下步骤：

(1)读入高光谱图像数据，并提取第一主成分分量即PC1(the first principalcomponent)；

(1.1)维数转换，将三维数据转换为二维数据S；

(1.2)将二维数据S中心化，得到中心化向量Y；

(1.3)计算Y的协方差矩阵，并求取对应特征值向量；

(1.4)提取PC1；

(2)利用PC1，寻找每个像元的自适应邻域集合，并保存；

(2.1)确定邻域的尺度集合和方向；

(2.2)针对每个方向找出所对应的自适应邻域尺度；

(2.3)确定自适应邻域集合，并保存；

(3)通过自适应邻域，进行图像均值滤波；