一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法
【专利摘要】本发明的目的在于提供一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法，包括如下步骤：读入高光谱高维数据，进行维数转换，并对其作归一化处理，其中含有样本类别数为L；分别提取图像空间纹理特征和光谱特征，得到空间纹理特征T1、光谱特征T2；融合空间纹理特征和光谱特征得到图像的空间-光谱特征集合T＝{T1,T2}；从T中将L个类别各选取一部分样本来构成训练集A，测试集设定为T中所有L个类别的集合为M；利用M和A，求解高光谱数据的稀疏表达系数进行图像重构，并计算对应的每类的冗余；根据冗余确定样本的类别。本发明能够充分利用高光谱图像中的信息，通过空间-光谱特征来很好的刻画高光谱图像；能够提高分类精度；能够适用于不同的高光谱图像，适用性强。
【专利说明】一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法
【技术领域】
[0001]本发明涉及的是一种图像处理方法，具体地说是高光谱图像处理方法。
【背景技术】
[0002]高光谱图像具有很高的光谱分辨率，能够获得非常窄的波段区间以及较多的光谱波段数量，从而得到包含丰富信息并且光谱连续的影像数据，因此被广泛应用于农业生产、矿物填图、目标识别与探测、灾害预警以及城市规划等领域。由于数据量大、冗余多，维数较高，同时在波段之间存在着很强的相关性是高光谱数据的主要特点，其会为后续的处理带来很大的挑战。
[0003]分类技术在高光谱图像处理过程中占有很重要的地位，其主要是将数据中有相似性质或特征的像元划分为同一类中。现有的分类方法中大多考虑的是对光谱信息的提取和利用，传统的高光谱数据分类方法中存在以下几个问题:1、没有充分利用高光谱图像本身所具有的空间信息。2、分类精度不高。
【发明内容】
[0004]本发明的目的在于提供能够达到更优的分类效果的一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法。
[0005]本发明的目的是这样实现的:
[0006]本发明一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法，其特征是:
[0007](I)读入三维的高光谱高维数据，对其进行维数转换使其从三维转换为二维数据，并对所得的二维数据作归一化处理获得图像，确定要处理的样本类别数L ；
[0008](2)针对步骤(1)所得图像提取其空间纹理特征:
[0009]①对图像进行PCA变换；
[0010]②对PCA变换后的所得到的第一主成分灰度图进行Gabor滤波，获取滤波图像:
[0011]对于Gabor滤波器，在空间域上，可得到下述实响应:
[0012]
【权利要求】
1.一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法，其特征是: (1)读入三维的高光谱高维数据，对其进行维数转换使其从三维转换为二维数据，并对所得的二维数据作归一化处理获得图像，确定要处理的样本类别数L ； (2)针对步骤(1)所得图像提取其空间纹理特征: ①对图像进行PCA变换； ②对PCA变换后的所得到的第一主成分灰度图进行Gabor滤波，获取滤波图像: 对于Gabor滤波器，在空间域上，可得到下述实响应:
2.根据权利要求1所述的一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法，其特征是:所述的非线性算法为:1 _鐵
3.根据权利要求1或2所述的一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法，其特征是:步骤(2)和步骤(3)同时进行。
【文档编号】G06K9/62GK104036289SQ201410246849
【公开日】2014年9月10日 申请日期:2014年6月5日 优先权日:2014年6月5日
【发明者】王立国, 杨京辉, 窦峥, 赵春晖 申请人:哈尔滨工程大学