專利名稱：基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法
基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及高光譜圖像的分類，可用于目標(biāo)的識(shí)別。
背景技術(shù)：
隨著航空航天高光譜遙感技術(shù)的發(fā)展，高光譜遙感數(shù)據(jù)也越來(lái)越普及并為人們廣泛使用。高光譜圖像處理的一個(gè)重要特點(diǎn)就是從光譜維去理解地物在空間維的特性、展布與變化。其中，基于高光譜數(shù)據(jù)的地物精細(xì)分類和目標(biāo)探測(cè)始終是高光譜遙感技術(shù)應(yīng)用的核心內(nèi)容之一。高光譜圖像目標(biāo)檢測(cè)在民用和軍事上都具有重要的理論價(jià)值和應(yīng)用前景， 是當(dāng)前目標(biāo)識(shí)別及遙感信息處理研究領(lǐng)域中的一個(gè)熱點(diǎn)研究問(wèn)題。
目前高光譜圖像分類技術(shù)主要分為三種類型基于支撐矢量機(jī)的方法、基于降維的方法和基于稀疏字典的方法；其中基于支撐矢量機(jī)的方法主要是利用支撐矢量機(jī)可以將樣本投影到高維空間中，從而很好地處理線性不可分問(wèn)題。由于該方法計(jì)算復(fù)雜度較高，對(duì)大量訓(xùn)練樣本問(wèn)題效果并不明顯?；诮稻S的方法，常見(jiàn)的有無(wú)監(jiān)督降維的主成分分析法和有監(jiān)督降維的線性判別法。但是，這兩種方法在降維的過(guò)程中，對(duì)樣本特征維數(shù)的取舍問(wèn)題并沒(méi)有很好地采用對(duì)分類有利的措施，效果不明顯。2010年，Yi Chen等人提出了基于冗余字典稀疏表示的高光譜圖像分類方法，該方法假設(shè)每類地物別樣本處于一個(gè)較低維的子空間中，而且每個(gè)測(cè)試樣本可以很好地用屬于同類的少量的樣本進(jìn)行線性表示。該方法將分類問(wèn)題轉(zhuǎn)化為求解測(cè)試樣本通過(guò)訓(xùn)練樣本組成的字典稀疏編碼的問(wèn)題，取得了較好的分類結(jié)果。但是，稀疏系數(shù)的求解是一個(gè)非凸求解的問(wèn)題，不能很好地滿足高光譜圖像大量樣本進(jìn)行實(shí)時(shí)分類的要求。發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法，一方面，避免支撐矢量機(jī)方法由于訓(xùn)練樣本數(shù)目過(guò)大造成訓(xùn)練時(shí)間較長(zhǎng)的問(wèn)題；另一方面，克服稀疏字典方法的Itl范數(shù)或1工范數(shù)求解的困難，減少字典原子的數(shù)目，更有利于快速地對(duì)高光譜圖像的樣本進(jìn)行分類。
實(shí)現(xiàn)本發(fā)明的技術(shù)思路是通過(guò)利用高光譜圖像的鄰域相似性來(lái)約束測(cè)試樣本和訓(xùn)練樣本之間的線性相關(guān)性，求解測(cè)試樣本通過(guò)字典協(xié)同表示的系數(shù)；結(jié)合該系數(shù)的能量大小，選擇N個(gè)貢獻(xiàn)程度最大的原子構(gòu)成新的字典，利用新的字典對(duì)測(cè)試樣本進(jìn)行第二次協(xié)同表示。通過(guò)計(jì)算測(cè)試樣本和第二次協(xié)同表示重構(gòu)各部分之間的殘差，得到最后的分類結(jié)果。其具體步驟包括如下
(1)從高光譜圖像的參考圖中選擇測(cè)試樣本
權(quán)利要求
1.一種基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法，包括如下步驟(1)從高光譜圖像的參考圖中選擇測(cè)試樣本yteste Rd，然后取該測(cè)試樣本鄰域內(nèi)的M 個(gè)樣本共同構(gòu)成該測(cè)試樣本的鄰域矩陣T=[ytest，Ny] e Rdx(M+1)，其中，d是樣本向量的維數(shù)，Ny表示該測(cè)試樣本的鄰域內(nèi)M個(gè)樣本組成的矩陣，即
2.根據(jù)權(quán)利要求1所述的基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法， 其中步驟(2)所述的計(jì)算協(xié)同表示的系數(shù)矩陣β，通過(guò)如下公式進(jìn)行β= (DtD+λ D^1T其中，D是所有訓(xùn)練樣本組成的字典，參數(shù)λ設(shè)置為O. 01，I是單位矩陣，T是測(cè)試樣本ytest的鄰域矩陣，(·)τ表示矩陣的轉(zhuǎn)置，(· Γ1表示矩陣的逆。
3.根據(jù)權(quán)利要求1所述的基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法， 其中步驟(3)所述計(jì)算測(cè)試樣本ytest的協(xié)同表示系數(shù)向量α，通過(guò)如下公式進(jìn)行
全文摘要
本發(fā)明公開(kāi)一種基于局部協(xié)同表示和鄰域信息約束的高光譜圖像分類方法。主要解決現(xiàn)有技術(shù)計(jì)算復(fù)雜度高的問(wèn)題。其實(shí)現(xiàn)步驟為(1)取高光譜圖像測(cè)試樣本鄰域內(nèi)的M個(gè)樣本與該測(cè)試樣本構(gòu)成鄰域矩陣；(2)用所有訓(xùn)練樣本構(gòu)成字典，通過(guò)該字典計(jì)算鄰域矩陣的協(xié)同表示系數(shù)矩陣；(3)計(jì)算系數(shù)矩陣每行的l2范數(shù)，根據(jù)l2范數(shù)較大的N個(gè)行標(biāo)記，從字典中選擇N個(gè)原子組成子字典，通過(guò)該子字典計(jì)算測(cè)試樣本的協(xié)同表示系數(shù)；(4)根據(jù)每類訓(xùn)練樣本的數(shù)目，將協(xié)同表示系數(shù)和子字典分成n部分；(5)計(jì)算并比較測(cè)試樣本和n部分重構(gòu)之間的殘差，測(cè)試樣本的類標(biāo)對(duì)應(yīng)于最小殘差的下標(biāo)。本發(fā)明使用局部協(xié)同表示，減少了原子的數(shù)目，降低了計(jì)算復(fù)雜度，可用于高光譜圖像分類問(wèn)題。
文檔編號(hào)G06K9/62GK103065160SQ20131002524
公開(kāi)日2013年4月24日 申請(qǐng)日期2013年1月23日 優(yōu)先權(quán)日2013年1月23日
發(fā)明者張小華, 焦李成, 朱文杰, 王爽, 田小林, 代坤鵬, 馬文萍, 馬晶晶 申請(qǐng)人:西安電子科技大學(xué)