主权项 |
一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法,其特征在于一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法具体是按照以下步骤进行的:步骤一:将图像分割成对象即样本,将对象进行特征提取,提取出对象特征值;根据对象特征值获得对象特征矩阵为<img file="FDA0000684321700000011.GIF" wi="661" he="109" />其中,特征矩阵为v+q行,m列;从所有样本任意选出v个样本进行标记,得到标记样本X<sub>l</sub>=(x<sub>1</sub>,x<sub>2</sub>,...,x<sub>v</sub>)<sup>T</sup>,剩下q个样本为无标记样本X<sub>u</sub>=(x<sub>v+1</sub>,x<sub>v+2</sub>,...,x<sub>v+q</sub>)<sup>T</sup>;步骤二:构造样本权重矩阵<img file="FDA0000684321700000012.GIF" wi="207" he="69" />在S中,度量样本对样本空间的局部几何信息和样本空间的判别结构的保持能力;步骤三:根据步骤一中的对象特征矩阵具有内在稀疏性;根据对象特征矩阵内在稀疏性将损失函数设定为基于l<sub>2,1</sub>范数最小化样本重构误差,并在样本重构误差中引入权重矩阵S,得到损失函数<img file="FDA0000684321700000013.GIF" wi="366" he="135" />将损失函数与正则项||W||<sub>2,1</sub>求和构建目标函数,其中,β为正则化参数;W为投影矩阵或选择矩阵;步骤四:将步骤三得到的目标函数变换成简化的目标函数;步骤五:对简化的目标函数进行迭代优化输出矩阵U,选择U的后m行为投影矩阵或选择矩阵W;步骤六:求各对象特征的W绝对值的和,选择出W绝对值的和最大的特征作为目标类别的诊断性特征子集;即完成了一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法。 |