基于非局部相似性和稀疏编码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，具体涉及一种基于非局部相似性和稀疏编码的高光谱图像分类方法，实现过程如下：(1)输入高光谱图像；(2)非局部均值滤波；(3)确定训练样本集C与测试样本集C'；(4)字典学；(5)求测试样本集稀疏系数；(6)高光谱图像分类；(7)输出分类图像。本发明采用非局部均值滤波的方法，克服了现有技术只利用高光谱图像的光谱信息，对高光谱图像分类会导致边缘部分错分的缺点，使得本发明具有在边缘部分分类更加精确的优点，同时克服了现有技术中不能有效利用高光谱图像邻域信息的缺点，使得本发明具有在同质区域分类效果更好的优点。

主权项

基于非局部相似性和稀疏编码的高光谱图像分类方法，其特征在于，包括步骤如下：(1)输入高光谱图像：输入待分类的高光谱图像，共包含n个像素点，将输入的高光谱图像中的每一个像素点设定为一个样本，得到高光谱图像的样本X＝[x₁,x₂,…,x_p,…,x_n]∈R^d,1≤p≤n，其中d为高光谱图像的波段数，x_p表示高光谱图像的第p个样本，R^d表示d维实数向量空间；(2)非局部均值滤波：设定一个7×7大小的邻域窗口，对高光谱图像的样本进行非局部均值滤波；(3)确定训练样本集C与测试样本集C'：采用等概率采样的方法，在高光谱图像的样本中，依次随机选取10％的样本，作为高光谱图像的训练样本集C，将剩余90％的样本，作为高光谱图像的测试样本集C'；(4)字典学习：对高光谱图像的训练样本集C，采用字典学习方法，得到高光谱图像样本的字典D；(5)求测试样本集稀疏系数Y'：对高光谱图像的测试样本集C'，采用更新稀疏编码系数的优化公式，得到高光谱图像测试样本集的稀疏系数Y'；(6)高光谱图像分类：利用线性支撑向量机分类器，对高光谱图像测试样本集的稀疏系数Y'进行分类，得到分类的高光谱图像；(7)输出分类图像。