[发明专利]一种基于多目标优化稀疏自表示的高光谱图像波段选择方法

权利要求书

1.一种基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：将高光谱图像原始数据，经过变换，再构建稀疏自表示模型，依据稀疏自表示模型构建多目标优化模型，求解多目标模型，对Pareto解进行统计分析获取最终波段子集。

2.根据权利要求1所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：具体包括以下步骤：

S1、构建基于多目标优化的稀疏自表示模型；

S2、选择最优波段子集。

3.根据权利要求2所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：对于高光谱图像波段选择，波段子集为高光谱图像中的代表波段的集合，任一波段可由波段子集对应的波段向量来线性组合表示。

4.根据权利要求3所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：任一波段可在高光谱图像数据中所有波段向量构建的特征空间中稀疏的表示，并获得稀疏系数矩阵。

5.根据权利要求4所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：所述稀疏系数矩阵中非零行向量中系数绝对值之和的大小代表对应高光谱图像中的波段向量用来重构原始高光谱图像数据中其他波段向量的权重大小。

6.根据权利要求5所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：对多目标优化模型进行求解，得到一组Pareto解，每一个解都是一组稀疏系数矩阵，根据稀疏系数矩阵的非零行向量对应的波段序号选择波段子集。

7.根据权利要求6所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：采用K-means算法聚类每一个非零行向量至K个类别中，在每个类别中选择距离聚类中心最近的非零行向量对应的波段组成波段子集，统计这一组Pareto解中稀疏系数矩阵对应的波段子集中波段出现的频数，选择出现次数最多的K个波段组成最终的波段子集，其中K为选择的波段数。

8.根据权利要求7所述的基于多目标优化稀疏自表示的高光谱图像波段选择方法，其特征在于：选择频数最高的K个波段作为最终的波段子集。