[发明专利]基于双层空间流形表示的高光谱图像分类方法

说明书

本发明涉及一种基于双层空间流形表示的高光谱图像分类方法，属于高光谱图像处理技术领域。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，建立空间流形表示特征提取器，获得有效高光谱图像的特征；接着，将提取的特征送入分类器模块得到预分类概率；随后，将预分类概率送入空间流形表示分类器得到修正的分类概率；最后，分别根据预分类概率和修正的分类概率设计不同的损失函数，通过反向传播的方法对上述模型进行优化。训练完成后利用网络进行测试并获得最终得分类结果。本发明方法在有限的有标签的训练样本的情况下，大大提高了分类率。

技术领域

本发明属于高光谱图像处理技术领域，具体涉及一种基于双层空间流形表示的高光谱图像分类方法。

背景技术

高光谱图像中包含丰富的空间信息和光谱信息，丰富的空谱信息使得高光谱图像被广泛地应用于地质、农业和环境监测等领域，高光谱图像分类是其中的一项重要应用。如何挖掘高光谱图像中的空间结构信息，有效提升高光谱图像分类的效果受到国内外学者的广泛关注。

文献“Wei W,Jinyang Z,Lei Z,et al.Deep Cube-Pair Network forHyperspectral Imagery Classification[J].Remote Sensing,2018,10(5):783”，提出一种基于像素对的高光谱图像分类方法，在特征提取阶段引入空间结构信息。文献“Yang LX,Yang S Y,Jin P,et al.Semi-Supervised Hyperspectral Image ClassificationUsing Spatio-Spectral Laplacian Support Vector Machine[J].IEEE GeoenceRemoteSensing Letters,2013,11(3):651-655”，设计了一种基于空谱的拉普拉斯支持向量机，在分类器层挖掘高光谱图像的空间结构信息。以上两类方法仅从单一角度探索高光谱图像中简单的空间结构，并没有更深入地挖掘高光谱图像中的潜在的、丰富的空间特征信息，从而限制了高光谱图像的分类准确率。

发明内容

要解决的技术问题

为了提高现有高光谱图像的分类准确率，本发明提出一种基于双层空间流形表示的高光谱图像分类方法。

技术方案

一种基于双层空间流形表示的高光谱图像分类方法，其特征在于步骤如下：

步骤1：数据预处理

三维高光谱图像数据表示为n_r、n_c、n_b分别为行、列及光谱维度；将高光谱图像数据中的每个样本归一化至0～1范围内，对图像中每个样本的r₁×c₁邻域进行采样，得到采样的数据为进而将高光谱数据重新表示为其中n＝n_r×n_c表示样本个数，i＝1,2,…,n，r₁＝c₁＝7；表示对应的类别标签，为第i个样本的类别标签，L为类别数；然后每类随机选择n_train个样本作为训练集其对应的标签集为剩余的样本构成测试集及其对应的标签集

对训练集中每个有标记样本周围r₂×c₂邻域进行采样，选择在r₂×c₂邻域内且不在训练集中的样本，构成扩充的训练数据集其中i＝1,2,…,m1，r₂＝c₂＝3；对于测试集如上获得同样的扩充训练集j＝1,2,…,m2，m1、m2的具体数值根据实验而定；

步骤2：空间流形表示特征提取器