1.一种基于空间特征迭代的高光谱图像分类方法,其特征在于:采用如下步骤:
S1:已知高光谱图像像元的信号源信息,根据高光谱样本分类的标签,计算出每种地物类别的光谱签名di,并根据分类的类别数目p生成待分类目标端元的光谱签名矩阵D1=[d1,d2,...dp];
S2:把地物目标D的正交子空间投影最大的像元定义为背景端元,计算出高光谱图像的背景端元光谱签名U={u};
S3:根据类别数目p和背景端元q的数目,q=1,设置约束矩阵C,利用约束向量矩阵C来同时约束地物目标D和高光谱图像的背景端元U,从而将地物目标与背景部分进行区分;
S3:设置迭代次数k的初值为1,利用地物目标D、高光谱图像的背景端元U、约束矩阵C及图像自相关逆矩阵R-1定义一个能同时进行多类别分类的分类器Tk,并提取所有类别目标的初始分类结果{Tk(i)};
S4:提取每种类别目标分类结果的空间特征{Tk(iG)},并把空间特征{Tk(iG)}反馈叠加到待分类的高光谱图像中,将空间特征与光谱特征进行融合;
S5:利用自适应阈值将分类器结果进行地物目标和背景部分的分类,并设定迭代停止条件;
S6:如果迭代条件满足,k=k+1,更新地物目标Dk、背景部分Uk,并跳到步骤S3继续进行分类,直到达到迭代停止条件,分类结束。
2.根据权利要求1所述的一种基于空间特征迭代的高光谱图像分类方法,其特征还在于:S1中:设已知高光谱图像像元的信号源包括地物目标D、背景部分U和干扰信号I,已知高光谱数据中的每种地物样本为Hm(i),m为地物类号1≤m≤p,1≤i≤Nm,Nm为m类地物的学习样本数目;
根据高光谱样本分类的标签,按照以下公式进行待分类地物目标dm的计算:
根据分类的类别数目p,生成待分类目标端元的光谱签名矩阵D1=[d1,d2,...dp],其中di(1≤m≤p)为第i个类别的光谱签名,1/λ为提取的学习样本比例。
3.根据权利要求1所述的一种基于空间特征迭代的高光谱图像分类方法,其特征还在于:S2中:
地物目标D的正交子空间投影最大的像元定义为背景端元,按照以下公式检测出高光谱图像的背景端元光谱签名U={u};
其中为D的正交补矩阵,其计算公式如下:
I为单位阵 (3)
S3中:根据p和q的数目,设置约束矩阵C:
C(p+q)×p=[C1p×p,C2p×q]T (4)
其中C1p×p=[c1,c2,..cp]是以1为对角线的对角阵,C2p×q为p×q大小的0矩阵,其列向量ci用于约束第i个地物目标,1≤i≤q,利用约束向量矩阵C来同时约束D和U,能同时将地物目标与背景部分进行区分,具体的约束矩阵C的转置矩阵如下;
根据和及约束矩阵C(p+q)×p,定义同时对p个目标进行分类的多类别分类器Tk,
Tk=wTr (6)
其中
其中R为高光谱图像的样本光谱自相关矩阵,其定义如下:
其中r=[r1r2...rn],利用逆矩阵R-1把高光谱图像的样本光谱进行压抑,对于每种地物的分类结果Tk(i)(1≤i≤p)的计算如下:
Tk(i)=wTr (9)
其中
w=R-1[DmUm]([DmUm]TR-1[DmUm])Ci (10)
Ci为约束矩阵C的第i列向量,利用分类器提取当前高光谱图像的分类结果Tk(i)。
4.根据权利要求1或3所述的一种基于空间特征迭代的高光谱图像分类方法,其特征还在于:S4中:提取分类结果Tk(i)对应的空间特征Tk(i)(1≤i≤p)
其中σ是高斯滤波的标准偏差,r是高斯滤波的过滤半径;将得到的空间特征图像Tk(i)(1≤i≤p)反馈叠加到当前的高光谱数据上,使波段数目变为L=L+p,其中L为当前高光谱图像的波段数目。
5.根据权利要求1所述的一种基于空间特征迭代的高光谱图像分类方法,其特征还在于:S5中:设定迭代停止条件如下:
其中|S|是集合S的大小,Sk和Sk-1表示第k次迭代的阈值分类结果;
判断停止条件(12)是否成立,如果成立,按照以下公式更新地物目标Dk、背景部分Uk;
k=k+1
返回至S3中继续利用多类别分类器对当前高光谱图像进行分类;
当判断停止条件(12)不成立时,分类结束,将最终分类结果Tk(iG)(1≤i≤p)采用不同的颜色进行标注显示。