一种基于分层稀疏判别特征学的高光谱图像分类方法

摘要

本发明具体公开了一种基于分层稀疏判别特征学的高光谱图像分类方法，主要用于解决现有技术不能很好的学高光谱数据邻域块的特征表示的问题。其实现步骤为：输入高光谱图像数据样本集，从中选择训练集和测试集；基于选出的训练集和样本集，利用基于稀疏编码的分层判别特征学方法，得到第一层判别特征及第二层判别特征；将第一层判别特征及第二层判别特征结合，得到分层判别特征；基于分层判别特征，利用支撑矢量机分类，输出分类结果。本发明在空间金字塔稀疏编码模型的基础上，加入了类标监督信息的判别字典学，且基于空间金字塔稀疏模型采用二层判别特征学，增强了特征的判别性，提高了分类精度，使得对高光谱数据分类更加准确。

主权项

一种基于分层稀疏判别特征学习的高光谱图像分类方法，其特征在于，包括以下步骤：(1)输入包含C类地物的高光谱遥感图像数据，每个像素即为样本，将样本用光谱特征向量表示，样本的特征维数为h，所有样本构成样本集其中y_i为第i个样本，N为样本总个数，R表示实数域；(2)随机从每类样本集中选出10％的样本作为训练集n₁表示训练集样本数目，剩余的90％样本作为测试集n₂表示测试集样本数目；(3)基于训练集Y_train和样本集Y，利用基于稀疏编码的分层判别特征学习方法，得到第一层判别特征集及第二层判别特征集其中，为对应于样本集Y第i个样本的第一层判别特征，为对应于样本集Y第i个样本的第二层判别特征：3a)从训练集中随机选取K₁个训练样本作为第一层判别字典的初始化字典利用判别K‑SVD字典学习方法，得到第一层判别字典D；3b)基于第一层判别字典D，利用正交匹配追踪算法得到所有样本的第一层稀疏编码特征$z=[z_1,z_2,···,z_N]\in R^{K_1\times N};$3c)根据所有样本的第一层稀疏编码特征，利用第一层判别特征学习方法，得到第一层判别特征集及第二层输入特征集${\hat{D}}_i\in R^{5K_1\times 4},i=\mathrm{1,2},···,N;$3d)从训练集对应的第二层输入特征集中随机选取K₂个作为第二层判别字典的初始化字典D′₂，结合对应的类标矩阵和判别矩阵，类似于第一层判别字典学习方法优化判别字典目标函数，得到第二层判别字典3e)基于样本集Y的第二层输入特征集和第二层判别字典，利用正交匹配追踪算法得到每个样本的第二层稀疏编码特征i＝1,2,…,N，对所有样本的第二层稀疏编码特征利用最大池化算法，得到第二层判别特征集(4)合并第一层判别特征集和第二层判别特征集得到样本集Y的分层判别特征集F，(5)将训练集和测试集对应的分层判别特征集输入到支撑矢量机，得到测试集的分类标签向量，该类标签向量即为该高光谱图像的分类结果。