[发明专利]高光谱图像特征识别方法、装置、设备及存储介质

权利要求书

1.一种高光谱图像特征识别方法，其特征在于，所述高光谱图像特征识别方法包括：

获取待检测目标物的高光谱图像数据；

通过预设相似性度量融合策略以及预设聚类融合策略对所述高光谱图像数据进行分组，得到子波段组；

对所述子波段组进行稀疏处理，得到稀疏子波段集；

根据子波段置信度值对所述稀疏子波段集进行选择，得到目标特征波段；

通过所述目标特征波段对所述待检测目标物进行识别。

2.如权利要求1所述的高光谱图像特征识别方法，其特征在于，所述通过预设相似性度量融合策略以及预设聚类融合策略对所述高光谱图像数据进行分组，得到子波段组，包括：

遍历预设相似性度量算法集，根据遍历到的相似性度量算法对所述高光谱图像数据进行计算，得到波段间相似性度量数据；

通过预设分数层融合策略将所述波段间相似性度量数据进行融合，得到相似性度量融合数据；

遍历预设聚类算法集，根据遍历到的聚类算法对所述相似性度量融合数据进行聚类处理，得到聚类数据；

通过预设决策层融合策略对所述聚类数据进行融合，得到子波段组。

3.如权利要求1所述的高光谱图像特征识别方法，其特征在于，所述对所述子波段组进行稀疏处理，得到稀疏子波段集，包括：

根据预设子波段置信度估计模型计算出所述子波段组对应的子波段置信度值；

以所述子波段置信度值为权重构建组稀疏模型；

根据所述组稀疏模型对所述子波段组进行稀疏，得到稀疏子波段组；

根据稀疏主成分分析算法对所述稀疏子波段组进行二次稀疏，得到稀疏子波段集。

4.如权利要求3所述的高光谱图像特征识别方法，其特征在于，所述根据稀疏主成分分析算法对所述稀疏子波段组进行二次稀疏，得到稀疏子波段集，包括：

获取右奇异向量稀疏度、主成分个数以及迭代次数；

根据所述右奇异向量稀疏度以及主成分个数对所述稀疏子波段组进行奇异值分解处理，得到所述稀疏子波段组对应的左奇异向量矩阵以及右奇异向量矩阵；

根据所述迭代次数通过单因子惩罚矩阵分解算法对所述左奇异向量矩阵以及所述右奇异向量矩阵进行稀疏，得到稀疏后的左奇异向量矩阵以及稀疏后的右奇异向量矩阵；

根据所述稀疏后的左奇异向量矩阵以及所述稀疏后的右奇异向量矩阵得到方差贡献率，根据所述方差贡献率得到投影矩阵；

根据所述投影矩阵得到稀疏后的特征向量矩阵，将所述特征向量矩阵作为稀疏子波段集。

5.如权利要求4所述的高光谱图像特征识别方法，其特征在于，所述根据所述迭代次数通过单因子惩罚矩阵分解算法对所述左奇异向量矩阵以及所述右奇异向量矩阵进行稀疏，得到稀疏后的左奇异向量矩阵和稀疏后的右奇异向量矩阵，包括：

获取当前单因子迭代次数；

判断所述当前单因子迭代次数是否小于所述迭代次数；

在所述当前单因子迭代次数小于所述迭代次数时，判断所述右奇异向量矩阵对应的右奇异向量是否收敛；

在所述右奇异向量未收敛时，通过单因子惩罚矩阵分解算法对所述左奇异向量矩阵对应的左奇异向量以及所述右奇异向量进行约束；

在所述当前单因子迭代次数等于所述迭代次数或者在所述右奇异向量收敛时，得到目标左奇异向量以及目标右奇异向量；

根据所述目标左奇异向量得到稀疏后的左奇异向量矩阵，根据所述目标右奇异向量得到稀疏后的右奇异向量矩阵。