主权项 |
1.一种基于稀疏核编码SKR的高光谱图像地物识别方法,包含如下步骤:(1)采用高光谱图像中部分有标签的光谱向量作为训练样本,按标签类别依次排列构成稀疏编码的字典D∈R<sup>N×K</sup>,所有未知标签的光谱向量构成测试样本集合Y=[y<sub>1</sub>,y<sub>2</sub>,…,y<sub>n</sub>,…,y<sub>Q</sub>]∈R<sup>N×Q</sup>,并对字典D和测试样本集合Y分别进行列归一化,其中R表示实数集,N为光谱向量的维数,K为字典D中训练样本的个数,Q为测试样本集合中测试样本的个数,y<sub>n</sub>∈R<sup>N×1</sup>表示测试集合中的测试样本,n=1,2,…,Q;(2)利用近邻法对训练样本进行聚类,得到中心样本矩阵<img file="FDA00002585251700011.GIF" wi="701" he="75" />并利用中心样本矩阵构造稀疏核函数s(x):<img file="FDA00002585251700012.GIF" wi="440" he="107" />并将测试样本y<sub>n</sub>和字典D利用稀疏核函数s(x)映射至特征空间,得到映射后的<img file="FDA00002585251700013.GIF" wi="187" he="56" />和映射后的字典<img file="FDA00002585251700014.GIF" wi="231" he="45" />其中N<sub>1</sub>为中心样本矩阵G的中心样本的维数,其值等于光谱向量的维数N,U为中心样本矩阵G中的中心样本的个数,x为s(x)的输入样本,g<sub>l</sub><sup>'</sup>为中心样本矩阵G的第l′个中心样本,l′=1,2,…,U,<img file="FDA00002585251700015.GIF" wi="154" he="64" />表示输入样本x和中心样本矩阵G中g<sub>l</sub><sup>′</sup>差值的2范数平方,q为稀疏核函数s(x)的参数,U<sub>1</sub>为映射后样本的维数,其值等于为中心样本矩阵G中的中心样本的个数U,K<sub>1</sub>表示映射后的字典D'中样本的个数,其值等于字典D训练样本的个数K;(3)对映射后的字典D'和映射后的测试样本y′<sub>n</sub>进行降维处理,得到降维后的字典<img file="FDA00002585251700016.GIF" wi="198" he="57" />和测试样本y<sub>1n</sub>′∈R<sup>d×1</sup>,并对D<sub>1</sub>′进行列归一化处理,其中d为降维后样本的维数,K<sub>2</sub>表示降维后的字典D<sub>1</sub>′中样本的个数,其值等于字典D中训练样本的个数K;(4)在列归一化的字典D<sub>1</sub>′下对y<sub>1n</sub>′进行稀疏编码,即通过求解如下优化问题得到稀疏系数<maths num="0001"><![CDATA[<math><mrow><mover><mi>x</mi><mo>^</mo></mover><mo>;</mo></mrow></math>]]></maths><maths num="0002"><![CDATA[<math><mrow><mover><mi>x</mi><mo>^</mo></mover><mo>=</mo><mi>min</mi><msub><mrow><mo>|</mo><mo>|</mo><mi>x</mi><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mi>subiect to</mi><msubsup><mi>y</mi><mrow><mn>1</mn><mi>n</mi></mrow><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>D</mi><mn>1</mn><mo>′</mo></msubsup><mi>x</mi></mrow></math>]]></maths>其中||x<sub>1</sub>||<sub>1</sub>表示向量x的1范数;(5)利用误差判定函数对y<sub>1n</sub>′进行类别判定,得到测试样本y<sub>n</sub>地物类别标签identity(y<sub>n</sub>):<maths num="0003"><![CDATA[<math><mrow><mi>identity</mi><mrow><mo>(</mo><msub><mi>y</mi><mi>n</mi></msub><mo>)</mo></mrow><mo>=</mo><munder><mrow><mi>arg</mi><mi>min</mi></mrow><mi>i</mi></munder><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>y</mi><mrow><mn>1</mn><mi>n</mi></mrow><mo>′</mo></msubsup><mo>-</mo><msubsup><mi>D</mi><mn>1</mn><mo>′</mo></msubsup><msub><mi>δ</mi><mi>i</mi></msub><mrow><mo>(</mo><mover><mi>x</mi><mo>^</mo></mover><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup></mrow></math>]]></maths>其中:<img file="FDA00002585251700022.GIF" wi="82" he="62" />为类别带通函数,表示仅保留稀疏系数中对应字典D<sub>1</sub>′中第i类样本位置处的系数,其余位置处系数置0,i=1,2,…,l,l为类别总数,<img file="FDA00002585251700023.GIF" wi="210" he="62" />表示用字典D<sub>1</sub>′中第i类样本和相对应的稀疏系数<img file="FDA00002585251700024.GIF" wi="25" he="62" />对y<sub>1n</sub>′进行稀疏编码所得到的误差。 |