基于局部空间信息的封装式高光谱波段选择方法

摘要

本发明提出一种基于局部空间信息的封装式高光谱波段选择方法，其步骤如下：1)输入待波段选择的高光谱图像,将其转换为矩阵形式的高光谱数据并作归一化处理；2)使用支撑向量机SVM作为分类器，采用交叉验证的方法选择M个初始波段；3)将M个波段与剩余波段逐一组合，计算出各组合波段的能量函数E(f)；4)使用现有图切方法对组合波段的能量函数E(f)进行能量最小化；5)根据各组合波段能量函数值的大小进行波段选择。本发明对高光谱图像中的光谱信息和局部空间信息进行了有效融合，相对于只利用光谱维信息的方法，选择波段的识别性能有了很大提升，可用于高光谱图像的数据降维。

主权项

一种基于局部空间信息的封装式高光谱波段选择方法，包括：(1)输入待波段选择的高光谱图像,假设图像的原始波段数目为P，并将该高光谱图像转换为矩阵形式的高光谱数据；(2)对高光谱数据进行归一化处理，将其光谱值归一化到0‑1之间；(3)使用支撑向量机SVM作为分类器，采用交叉验证的方法从归一化后的高光谱图像中选择出M个初始波段；(4)将已选的M个波段分别与原始波段集合中剩余的未选波段逐一结合成组合波段，利用支撑向量机得出每个组合波段中的像素样本的初始标签集f和像素样本分别属于高光谱图像某个类别的估计概率p；(5)根据每一个像素的类别估计概率p计算出像素本身的光谱能量项，将所有像素的光谱能量项相加得到光谱项E_d；(6)根据波特模型计算出每个像素与其空间上相邻像素之间的空间能量项，将所有像素的空间能量项相加得到空间项E_s；(7)由光谱项E_d和空间项E_s相加得到各个组合波段的能量函数E(f)；(8)利用graph‑cut图切方法对各组合波段的能量函数进行能量最小化，得到各组合波段的最终标签集和能量(9)对比所有组合波段的能量选择其中最小的组合波段，该组合波段中的第M+1个波段即为所需波段。