基於稀疏核編碼skr的高光譜圖像地物識別方法
2023-05-26 15:50:36 2
專利名稱：基於稀疏核編碼skr的高光譜圖像地物識別方法
技術領域：
本發明屬於遙感圖像處理技術領域，是一種地物識別方法，該方法可以利用高光譜圖像對複雜地貌地物進行分析，判定出相似地物的不同類別。
背景技術：
高光譜圖像地物識別，是指利用高光譜圖像對複雜地貌地物進行分析從而判定出地物所屬類型。高光譜圖像是由多光譜遙感成像設備所產生的圖譜合一的海量數據，同時包含了地物的空間信息和豐富的光譜信息。圖像中的每一個點可以由一個眾多譜段的光譜信息構成的高維光譜向量描述，利用這些光譜向量可以辨別出各種各樣的地物類型。目前高光譜圖像地物識別方法可以分為無監督和有監督兩大類方法，無監督方法事先不需要知道任何樣本的標籤，如K均值(k-means)算法，但是識別率往往較低，而且容易受初始中心點選取的影響；有監督方法需要知道部分樣本的標籤，如支撐向量機SVM，這種方法識別率雖有所提高，但是往往需要複雜的訓練過程。隨著最近稀疏表示的興起，一些學者提出了利用樣本的稀疏表示進行分類的思想，如稀疏表示分類算法SR，該方法無需複雜的訓練過程，但識別不夠精確。核稀疏表示分類算法KSR是對SR的一種改進，可以提高識別精度，但其中計算核函數的空間和時間複雜度較高，往往需要耗費大量的計算機資源和識別時間，影響識別出的地物的後續處理。
發明內容
本發明的目的在於克服上述已有技術的不足，提出一種基於稀疏核編碼SKR的高光譜圖像地物識別方法，在保證識別精度的同時減少計算核函數的空間與時間複雜度，便於對識別出的地物進行後續處理。實現本發明目的技術方案是首先利用高光譜圖像中一部分已知標籤的光譜向量作為訓練樣本並按標籤類別依次排列構成稀疏編碼的字典，所有未知標籤的光譜向量作為測試樣本；其次，利用近鄰方法從訓練樣本中得到中心樣本矩陣從而構造稀疏核函數，將字典和測試樣本分別通過稀疏核函數映射至特徵空間；再次，在特徵空間內，利用映射後的字典對映射後的測試樣本進行稀疏編碼，通過誤差判別函數判斷地物所屬類別。具體步驟包括(1)採用高光譜圖像中部分有標籤的光譜向量作為訓練樣本，按標籤類別依次排列構成稀疏編碼的字典D e RNXK，所有未知標籤的光譜向量構成測試樣本集合Y = [Yl, J2,.... Jn,... yQ] e Rnxq,並對字典D和測試樣本集合Y分別進行列歸一化，其中R表示實數集，N為光譜向量的維數，K為字典D中訓練樣本的個數，Q為測試樣本集合中測試樣本的個數，yn e Rnxi表示測試集合中的測試樣本，η = 1，2，...，Q ；(2)利用近鄰法對訓練樣本進行聚類，得到中心樣本矩陣 G = [glg2,.,gf,..,gu]GR^u，並利用中心樣本矩陣構造稀疏核函數S(X)
權利要求
1.一種基於稀疏核編碼SKR的高光譜圖像地物識別方法，包含如下步驟(1)採用高光譜圖像中部分有標籤的光譜向量作為訓練樣本，按標籤類別依次排列構成稀疏編碼的字典D e RNXK，所有未知標籤的光譜向量構成測試樣本集合Y= [Yl, J2,.... Jn,... yQ] e Rnxq,並對字典D和測試樣本集合Y分別進行列歸一化，其中R表示實數集，N為光譜向量的維數，K為字典D中訓練樣本的個數，Q為測試樣本集合中測試樣本的個數，yn e Rnxi表示測試集合中的測試樣本，η = 1，2，...，Q ；(2)利用近鄰法對訓練樣本進行聚類，得到中心樣本矩陣 G = [glg2,.,gf,..,gu]GR^u，並利用中心樣本矩陣構造稀疏核函數S(X)5(JC)=』+—M^i ;並將測試樣本yn和字典D利用稀疏核函數s (χ)映射至特徵空間，得到映射後的凡和映射後的字典DWA，其中N1為中心樣本矩陣G的中心樣本的維數， 其值等於光譜向量的維數N，U為中心樣本矩陣G中的中心樣本的個數，1為S(X)的輸入樣本，gl,為中心樣本矩陣G的第1'個中心樣本，Γ = 1,2,…，U，|x-g,|表示輸入樣本χ和中心樣本矩陣G中gl,差值的2範數平方，q為稀疏核函數s (χ)的參數，U1為映射後樣本的維數，其值等於為中心樣本矩陣G中的中心樣本的個數U, K1表示映射後的字典D'中樣本的個數，其值等於字典D訓練樣本的個數K ；(3)對映射後的字典D'和映射後的測試樣本y'n進行降維處理，得到降維後的字典和測試樣本y' lneRdX1，並對D' i進行列歸一化處理，其中d為降維後樣本的維數，K2表示降維後的字典D'工中樣本的個數，其值等於字典D中訓練樣本的個數K ；(4)在列歸一化的字典D'工下對y'ln進行稀疏編碼，即通過求解如下優化問題得到稀疏係數χ ；
2.根據權利要求1所述的高光譜圖像地物識別方法，其中步驟(2)所述的利用中心樣本矩陣構造稀疏核函數，並將測試樣本yn e Rnxi和字典D映射至特徵空間，按如下步驟進行(2a)對於字典D中的第i類樣本，計算均值向量Ui e RNX1，N為光譜向量的維數，i = 1,2,…，1，1為類別總數；(2b)計算第i類中每一個樣本到均值向量Ui的歐氏距離，對樣本按歐式距離由小到大的順序排列，選擇前Hli個樣本並稱之為該類的中心樣本Gi,然後由所有類別地物中選擇出的中心樣本構成中心樣本矩陣
3.根據權利要求1所述的高光譜圖像地物識別方法，其中步驟C3)所述的對映射後的字典D'和測試樣本y' n進行降維處理，按如下步驟進行(3a)生成一個隨機高斯矩陣好，d為降維後樣本的維數, 表示隨機高斯矩陣H 的列數，其值等於映射後樣本的維數U1 ；(3b)用H左乘映射後的字典D'得到降維後的字典D' 1;(3c)用H左乘映射後的測試樣本y' 得到降維後的測試樣本y' ln。
全文摘要
本發明公開了一種基於稀疏核編碼KSR的高光譜圖像地物識別方法，主要解決現有方法中識別時間較長，以及在樣本降到較低維數時識別精度不高的不足。其識別步驟是首先利用高光譜圖像中一些已知標籤的光譜向量按類排列作為稀疏編碼的字典，所有未知標籤的光譜向量樣本構成測試樣本集合；其次，利用近鄰方法構造中心樣本矩陣，通過構造稀疏核函數將測試樣本和字典分別映射至特徵空間得到映射後的字典和測試樣本，並對映射後的字典進行列歸一化；再次，利用歸一化後的字典對映射後的測試樣本進行稀疏編碼，通過誤差判別公式判斷測試樣本的類別。本發明能夠在保證識別精度較高的同時，快速完成高光譜圖像的地物識別，有利於識別出地物的後續處理。
文檔編號G06K9/66GK102324047SQ201110260639
公開日2012年1月18日 申請日期2011年9月5日 優先權日2011年9月5日
發明者侯彪, 劉芳, 張向榮, 楊淑媛, 焦李成, 王爽, 緱水平, 韓月, 馬文萍 申請人:西安電子科技大學