基于线性回归与Fisher判别字典学的高光谱图像分类方法

摘要

本发明公开了一种基于线性回归与Fisher判别字典学的高光谱图像分类方法，包含如下步骤：融合高光谱图像的纹理特征和光谱特征并归一化；运用线性回归与Fisher判别字典学算法(LRFDDL)学得到字典和线性分类器；模型预测；本发明将线性回归与Fisher判别字典学算法应用于高光谱图像的分类，以此来提高高光谱图像的分类精度，此外，本发明中将高光谱图像的纹理特征加入到分类中，进一步提高高光谱图像的分类效果。

主权项

基于线性回归与Fisher判别字典学习的高光谱图像分类方法，其特征在于，包括如下步骤：步骤1，融合纹理特征和光谱特征，并归一化处理：首先运用主成分分析法对高光谱图像进行线性变换并获取第一主成分，再运用Gabor小波提取第一主成分的纹理特征，最后融合高光谱图像的纹理特征和光谱特征，并使每个像素点的特征向量单位化；步骤2，运用线性回归与Fisher判别字典学习算法LRFDDL学习得到字典和分类器：迭代更新字典、稀疏编码和分类器，直到满足迭代终止条件输出学习得到的字典和分类器；步骤3，模型预测：步骤31，运用学习得到的字典获得待分类像素点的稀疏编码，再运用学习得到的分类器对稀疏编码进行分类得到分类结果；步骤32，对所有待分类的像素点按步骤31的方法进行分类；步骤33，加权求和输出高光谱图像的分类结果。