[发明专利]基于稀疏子空间聚类的高光谱地物自动分类方法及系统

权利要求书

1.一种基于稀疏子空间聚类的高光谱地物自动分类方法，其特征是，包括以下步骤：

步骤1，对高光谱图像进行空间划分，将相邻且相似的数据划分到同个超像素块；

步骤2，根据数据划分结果构建空间指示矩阵；

步骤3，在高光谱图像上进行类别信息引导稀疏子空间聚类地物分类，获得图像数据间的稀疏表示矩阵和类别标签；

步骤4，根据获得的数据类别标签，分别计算各类别数据间光谱的相似度和空间位置距离，并进行线性组合成各类内数据相似度；

步骤5，对各类内数据相似度进行排序，并筛选各类别中存在的高相似性数据关系；

步骤6，通过筛选后保留的高相似性数据关系构建类别信息引导矩阵；

步骤7，构建数据相似度矩阵并应用谱聚类获得最后的分类结果；

在步骤2中，空间指示矩阵为：

空间指示值为：

其中f_i和f_j分别表示第i和j个像素的高光谱数据；

所述步骤3包括以下步骤：

步骤31，对高光谱图像进行一次原始的稀疏子空间聚类，得到一个初始的分类结果，并通过求取各类别数据的均值得到各类别数据的中心值，将其作为端元矩阵M的初始化，丰度矩阵A的初始化公式为：

其中n为类别个数，m为加权指数；

将稀疏系数矩阵C初始化为全0矩阵；

步骤32，根据空间指示矩阵计算拉格朗日矩阵L：

其中Q_ii表示矩阵的对角线元素，P_i·表示任意一列第i行的元素；

步骤33，对高光谱图像数据X进行处理，目标函数如下：

其中C为稀疏表示矩阵，G是类别信息引导矩阵，M为包含类别信息的端元矩阵，A是包含组合系数的丰度矩阵，λ₁、λ₂和λ₃为目标函数的平衡参数；a_i·表示任意一列的第i行的元素；

步骤34，求解稀疏表示矩阵C，引入辅助矩阵Z，进行公式更新：

Z^(k+1)＝(λ₁X^TX+λ₁X^TX+ρI+ρ11^T+L)^-1(λ₁X^TX+λ₁X^TMA+ρC+ρ11^T-μ-1ν)

其中，ρ为权重参数，μ和ν为拉格朗日乘子；1代表[1，...,1]^T,1^T表示[1，...,1]，11^T表示两向量相乘，I表示元素全为1的矩阵；

步骤35，求解端元矩阵M和丰度矩阵A：

步骤36，更新拉格朗日乘子μ和ν：

μ^(k+1)＝u^k+ρ^k(Z^(k+1)-C^(k+1))

ν^(k+1)＝ν^k+ρ^k(Z^T(k+1)1-1)

其中，Z^T(k+1)表示第(k+1)轮矩阵Z的转置。