[发明专利]一种基于高斯流形的高光谱图像分类方法

摘要

本发明涉及计算机视觉技术领域，具体涉及一种基于高斯流形的高光谱图像分类方法，具体通过高斯流形所导出的黎曼度量，即切空间内积，样本数据得以在流形切空间进行图嵌入和度量学习，较大程度地保留了数据的几何特征；此外利用样本间的重构系数来建立图权重以降低噪声和误差的干扰，同时利用非负重构系数图理论来避免负的图权重出现；最后使用度量学习的目标函数，在低维空间中使得类内距离减小，类间距离增大，求得流形切空间的投影矩阵，实现高光谱图像的显式且非线性的降维，此时在低维空间中使用最近邻分类器即可获得较高的分类精度。本发明能够结合高光谱图像的空谱信息，并挖掘和保留高光谱图像蕴含的非线性特征，实现较高的分类精度。