[发明专利]基于空谱邻域嵌入和最优相似图的高光谱分类方法

权利要求书

1.一种基于空谱邻域嵌入和最优相似图的高光谱分类方法，其特征在于步骤如下：

步骤1：采用空间加权均值滤波方法对高光谱图像中的每个像素点x_i进行滤波处理，得到滤波后对应的像素点

步骤2：按照下式构建高光谱图像中任意两个像素点之间的空间光谱联合距离d_SS(x_i,x_j)：

其中，x_i表示高光谱图像中的第i个像素点，x_j表示高光谱图像中的第j个像素点，表示x_j对应的滤波后的像素点，i＝1,2,…,N，j＝1,2,…,N，N为高光谱图像中的像素总数；x_ih表示像素点x_i的w邻域窗口内的第h个像素点；w表示邻域窗口大小，取值为正奇数；Ω(x_i)是x_i的邻域空间，v_ih表示像素点x_ih的权重，按照计算，σ_j表示权重v_ih核函数的方差，按照计算；

对于每个像素点x_i，i＝1,…,N，取与其空间光谱联合距离值最小的k个像素点构成其k近邻点集合N(x_i)，k＝5、10、20或50；

步骤3：采用拉普拉斯乘子法求解下式，得到的最优解即为权重矩阵

其中，表示权重矩阵的第i行e列元素，表示像素x_i与x_e之间的欧氏距离；

然后，求解下式得到降维后的高光谱图像矩阵Y：

其中，I表示单位矩阵；

步骤4：由降维后的高光谱图像矩阵Y中随机选择n个像素点构成锚点矩阵U，0nN；

然后，求解下式得到测量矩阵Z：

其中，表示测量矩阵Z中的第i行向量，i＝1,…,N，z_il表示测量矩阵Z中的第i行l列元素，y_i表示图像矩阵Y中的第i个像素点，u_l表示锚点矩阵U中的第l个像素点；η为平衡参数，取值范围为[0,1]；表示按照步骤2所述过程对图像矩阵Y中的像素点y_i计算得到的其k个近邻点的均值；γ为正则参数，取值范围为[0,1]；

再按照S＝ZΛ^-1Z^T计算得到相似度矩阵S，其中，Λ是对角矩阵，其对角线元素Λ_ll按照计算得到，l＝1,…,n；

步骤5：按照L＝I-S计算得到拉普拉斯矩阵L，然后，求解得到聚类标签矩阵F，F∈R^N×c，c为类别数。