[发明专利]一种面向大场景遥感图像分类的可分离多模联合表示方法

权利要求书

1.一种面向大场景遥感图像分类的可分离多模联合表示方法，其特征在于：所述方法具体过程为：

步骤一、输入覆盖地理区域相同的多模遥感图像，以及相应的地物标签图，构造多模遥感图像的可分离多模联合表示模型；

所述多模遥感图像包括多光谱遥感图像和高光谱遥感图像；

所述可分离是指类别特异性和共性可分离；

步骤二、采用乘数交替方向法求解步骤一构造的多模遥感图像的可分离多模联合表示模型，得到可分离的多模字典；

所述多模字典包括高光谱字典和多光谱字典；

所述可分离的多模字典由类别特异性多模字典和共性多模字典两部分组成；

所述类别特异性多模字典包括高光谱类别特异性字典和多光谱类别特异性字典；

所述类别特异性字典由各个类别子字典组成；

步骤三、输入大场景多光谱遥感图像，利用步骤二得到的可分离的多光谱字典对输入的大场景多光谱遥感图像进行稀疏表示，学习得到可分离的一致稀疏表示系数矩阵；

所述输入的大场景多光谱遥感图像的覆盖区域包含步骤一中多光谱遥感图像的覆盖区域；

所述可分离的一致稀疏表示系数矩阵由类别特异性一致稀疏表示系数矩阵和共性一致稀疏表示系数矩阵组成；

步骤四、利用步骤二得到的类别特异性高光谱字典和步骤三得到的类别特异性一致稀疏表示系数矩阵，重构得到大场景的高光谱图像；

所述步骤一中构造多模遥感图像的可分离多模联合表示模型；具体过程为：

令和分别表示输入的覆盖地理区域相同的高光谱和多光谱遥感图像中有标签样本的集合，这些样本为可分离多模联合表示的样本，其中，C表示地物类别总数，d^H表示高光谱遥感图像中样本的光谱维度，d^M表示多光谱遥感图像中样本的光谱维度，表示有标签样本的个数，P_c表示第c类有标签样本的个数；和分别表示高光谱和多光谱遥感图像中属于第c类的样本；

令和分别表示可分离高光谱字典和可分离多光谱字典，其中，表示字典中原子的个数，N_C+1表示高光谱字典和多光谱字典中的共性字典中原子的个数，N_c表示高光谱字典和多光谱字典中第c类的类别子字典中原子的个数，和分别表示高光谱字典和多光谱字典中对应第c类的类别子字典，和分别表示高光谱字典和多光谱字典中的共性字典；

令表示跨模稀疏表示系数矩阵，其中表示对应第c类的跨模稀疏表示系数子矩阵；表示第c类中第P_c个样本的稀疏表示系数向量；

令表示建立可分离字典与第k个子字典之间关系的索引矩阵，k＝1,...,C+1，其中S_k的第i列表示为：

其中，N_j表示高光谱字典和多光谱字典中第j类字典中原子的个数；

因此，可分离字典与子字典之间的关系间可建立：

令为所有索引矩阵的集合，令S_/c＝[S₁,...,S_c-1,S_c+1,...,S_C,S_C+1]，为中间变量；

多模遥感图像的可分离多模联合表示模型的目标函数可表示为：

其中，表示Frobenius范数的平方；||·||_1,1表示矩阵每列的L1范数；C表示类别总数；α、β、γ、δ为惩罚系数；

所述多模遥感图像的可分离多模联合表示模型的目标函数中第一项和第三项为重构误差；

第二项和第四项为重构误差；

第五项为跨模稀疏表示系数的稀疏性约束；

第六项是类别子字典不相干约束，作用是使稀疏表示系数子矩阵X_c中，除了共性部分和对应第c类的特异性部分，余下的部分接近于0；

第七项和第八项为子字典不相干约束。