一种基于核低秩表示图和空间约束的高光谱图像分类方法

摘要

本发明属于图像处理技术领域，具体提供了一种基于核低秩表示图和空间约束的高光谱图像分类方法，其实现步骤是：(1)把高光谱图像所有已知标签的样本作为训练样本，未知标签的样本用作测试样本，按训练样本在前测试样本在后构造样本集；(2)对样本集进行列归一化并作核空间映射；(3)对核映射后的样本集作低秩表示得到低秩表示图；(4)构造样本集的空间信息图；(5)把低秩表示图和空间信息图加和构成新的图；(6)按照图保持标准方法得到测试样本的类别标签。本发明主要解决现有方法中训练样本较少时分类精度较低的不足，同时合理的考虑高光谱图像自身的特点结合空间信息可以得到比较好的分类结果，采用核低秩的方法有更好的鲁棒性和准确率。

主权项

一种基于核低秩表示图和空间约束的高光谱图像分类方法，其特征在于：包含如下步骤：(1)采用高光谱图像中所有已知标签的光谱向量作为训练样本，按标签类别第1类第2类直到第16类依次排列构成有标签的样本集合X_l＝[x_1l,x_2l,....x_16l]，所有未知标签的光谱向量构成测试样本集合X_u＝[x_1u,x_2u,....x_16u]，其中，x_il,i＝1,2,...16代表已经标签的各类样本集，x_iu,i＝1,2,...16代表未知标签的样本集；(2)对样本集合X＝[X_lX_u]进行列归一化，把矩阵X通过核映射至特征空间，得到映射后的样本集合X₁；(3)对映射后的样本集合X₁作低秩表示，求解如下式子得到低秩系数矩阵Z：$\left\{\begin{array}{c}\underset{Z,E}{\min }{\left|\right|Z\left|\right|}_{*}+\lambda {\left|\right|E\left|\right|}_{\mathrm{2,1}}\\ s.t.X_1=X_{1}Z+E\end{array}\right.$其中E表示噪声矩阵，Z为低秩系数矩阵，即低秩表示图，称之为l_2,1范数，||*||_*称为矩阵的核范数，λ(λ＞0)是控制噪声矩阵的参数，λ按照从1到10间隔1依次取值，按分类结果正确率最高的情况取值；求解方法采用非精确增广型拉格朗日乘子法；(4)对于每个像素点，考虑其上下左右的位置关系，将该点与其对应的四个位置的像素点的关系设置为1，与其余点的关系设置为0，利用样本的空间位置关系构造样本关系的空间信息图G；(5)把低秩表示图Z和空间信息图G加和构成图W＝Z+G；(6)使用图保持标准方法得到测试样本的类别概率矩阵，选取类别概率矩阵每一列的最大值，将最大值所在行的行标作为测试样本的类别，输出测试样本的类别标签。