[发明专利]基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法

权利要求书

1.一种基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，其特征在于，包括以下步骤：

步骤1，设从原始多谱段图像数据集中选择n个图像样本及标签作为训练样本，获得辅助图像数据l是辅助图像数据个数，其中ln，对应的辅助图像数据，重构未知的训练辅助图像数据后，记重构系数矩阵V＝[v₁,…,v_n]，v₁,…,v_n为相应辅助数据的重构系数向量；

步骤2，分别计算所有输入多谱段图像样本和辅助图像数据的核矩阵K和K^*；

步骤3，分别计算每个图像样本和辅助图像数据的鲁棒约束矩阵H_s；

步骤4，计算矩阵和其中ρ和λ分别是预先设定的超参数，定义中间变量，所述中间变量包括μ＝[α^T,β^T]^T，α和β是拉格朗日乘子，优化求解目标函数对应的二次规划问题，得到最优的变量μ；

步骤5，基于当前μ，优化求解重构系数矩阵V；

步骤6，重复步骤4至5，直至模型收敛，输出鲁棒分类器模型；

步骤7，验证分类效果，预测可能存在噪声的测试样本的标签，并与真实标签进行对比；

步骤4中，所述目标函数如下，

1^T(α+β-C₁)＝0

y^Tα＝0

0≤α≤C₃

β≥0

其中，α○y代表向量元素对应的乘积，α和β是拉格朗日乘子，y＝[y₁,…,y_n]是训练样本的标签，1代表元素全为1的向量，右上角标T代表矩阵的转置，C₁和C₃是预先设置的超参数。

2.根据权利要求1所述的基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，其特征在于：步骤4中，定义中间变量μ＝[α^T,β^T]^T和θ＝简化得到如下目标函数，

1^T(α+β-C₁)＝0

y^Tα＝0

0≤α≤C₃

β≥0

利用二次规划工具包优化求解目标函数对应的二次规划问题，得到最优的变量μ。

3.根据权利要求2所述的基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，其特征在于：步骤5中，优化求解重构系数矩阵V的实现方式如下，

令中间变量矩阵使用交替方向乘子法来求解以下目标函数

其中，C₁和C₂是预先设置的超参数，是长度为l的元素均为1的行向量，长度为的元素均为1的行向量，表达目标函数要令重构系数矩阵V最小。

4.根据权利要求1或2或3所述的基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，其特征在于：步骤6中，目标函数值前后两次迭代差值小于10^-3，认为模型收敛。