一种基于空间特征迭代的高光谱图像分类方法与流程

技术特征：

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d_i，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,...d_p]；

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T_k，并提取所有类别目标的初始分类结果{T_k(i)}；

S4：提取每种类别目标分类结果的空间特征{T_k(i_G)}，并把空间特征{T_k(i_G)}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D^k、背景部分U^k，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H_m(i)，m为地物类号1≤m≤p，1≤i≤N_m，N_m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d_m的计算：

$d_m=\frac{1}{N_m/\mathrm{\λ}}\left(\underset{i=1}{\overset{N_m}{\Σ}}{H}_m\right(i\left)\right)---\left(1\right)$

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,...d_p]，其中d_i(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}；

$u=\arg \left(max{\left(p_D^{\⊥}r\right)}^T\right(p_D^{\⊥}r\left)\right)---\left(2\right)$

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＝[C1_p×p,C2_p×q]^T (4)

其中C1_p×p＝[c₁,c₂,..c_p]是以1为对角线的对角阵，C2_p×q为p×q大小的0矩阵，其列向量c_i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T_k，

T_k＝w^Tr (6)

其中

$w=R_{L\×L}^{-1}\[D^m{U}^m\]({\[D^m{U}^m\]}^T{R}_{L\×L}^{-1}\[D^m{U}^m\])C_{(p+q)\×p}---\left(7\right)$

其中R为高光谱图像的样本光谱自相关矩阵，其定义如下：

$R_{L\×L}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\[{\mathrm{rr}}^T\]---\left(8\right)$

其中r＝[r₁r₂...r_n]，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T_k(i)(1≤i≤p)的计算如下：

T_k(i)＝w^Tr (9)

其中

w＝R^-1[D^mU^m]([D^mU^m]^TR^-1[D^mU^m])C_i (10)

C_i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T_k(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T_k(i)对应的空间特征T_k(i)(1≤i≤p)

$T_k\left(i_G\right)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-r^2/2{\mathrm{\σ}}^2}---\left(11\right)$

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T_k(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：

${\mathrm{TI}}^{\left(k\right)}=\frac{\underset{k=1}{\overset{p}{\Σ}}\left|S_k{\mathrm{IS}}_{k-1}\right|}{\underset{k=1}{\overset{p}{\Σ}}\left|S_k{\mathrm{US}}_{k-1}\right|}\<\mathrm{\ϵ}---\left(12\right)$

其中|S|是集合S的大小，S_k和S_k-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D^k、背景部分U^k；

k＝k+1

$d_m^k=\frac{1}{N_m}\left(\underset{i=1}{\overset{N_m}{\Σ}}{H}_m^k\right(i\left)\right)---\left(13\right)$

$U^k=\[u_1^k,u_2^k,\mathrm{...}{u}_q^k\]$

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T_k(i_G)(1≤i≤p)采用不同的颜色进行标注显示。