(6)超像素分类：
[0050] ^a)选取超像素集中的一个超像素作为待分类的超像素，采用超像素分类公式， 对该超像素进行分类；
[0051] (6b)判断是否对超像素集中所有的超像素都进行了分类，若是，则执行步骤（7)， 否则，执行步骤（6a);
[0052] (7)输出待分类高光谱图像的分类结果。
[0053] 与现有技术相比，本发明具有以下优点：
[0054] 第一，由于本发明采用了层次空间相似度矩阵获取超像素集，克服了现有技术因 没有考虑到相邻样本间的空间信息而无法精确地对高光谱遥感影像分类的缺点，使得本发 明具有在同质区域分类效果更好的优点。
[0055] 第二，由于本发明采用了稀疏系数矩阵求解方法获取超像素的稀疏系数矩阵，克 服了现有技术因求解稀疏系数过程中以单个像素为处理单元而增加计算负担的缺点，使得 本发明具有对高光谱图像进行快速准确分类的优点。
【附图说明】
[0056] 图1是本发明的流程图；
[0057] 图2是本发明层次空间近邻集的示意图；
[0058] 图3是本发明采用的高光谱图像IndianPines及其真实标记图；
[0059] 图4是本发明与现有技术在选取350个标记样本时，对高光谱图像IndianPines 分类结果对比图。
【具体实施方式】
[0060] 下面结合附图对本发明做进一步的描述。
[0061] 参照附图1，本发明的实现步骤如下：
[0062] 步骤1，输入待分类的高光谱图像。
[0063] 输入待分类的高光谱图像，将输入的高光谱图像中的每一个像素点设定为一个样 本。
[0064]步骤2,构建层次空间相似度矩阵。
[0065] 第1步，选取待分类的高光谱图像中任意一个样本周围的空间近邻样本，按照该 样本与其空间近邻样本的距离，将距离该样本最近的空间近邻样本作为第一层空间近邻样 本，将距离该样本较近的空间近邻样本作为第二层空间近邻样本，将距离该样本最远的空 间近邻样本作为第三层空间近邻样本，将三层空间近邻样本组成该样本的层次空间近邻 集，对待分类的高光谱图像中的所有样本进行相同处理，得到每个样本的层次空间近邻集。
[0066] 附图2为本发明层次空间近邻集的示意图。图2中的黑色区域表示第一层空间近 邻样本，浅灰色区域表示第二层空间近邻样本，深灰色区域表示第三层空间近邻样本，三层 空间近邻的样本组成层次空间近邻集。
[0067] 第2步，将待分类的高光谱图像中的一个样本作为中心样本，采用下式，计算中心 样本与其层次空间近邻集中的一个样本的相似度：
[0068] Uh=exp(_IIx-xhI12/2 (EIIx-xhI12/Ng))s.t.xhGHg
[0069] 其中，Uh表示中心样本x与层次空间近邻集中样本xh的相似度，h表示层次空间 近邻集中样本xh的索引值，h的取值范围为{1,2,…，n}，n表示待分类的高光谱图像中样 本的总数，exp( ?)表示指数操作，I卜II表示范式操作，X表示中心样本，Xh表示层次空间 近邻集中的样本，E表示求和操作，Ng表示层次空间近邻集中第g层近邻样本的样本个数， g表不层数，g的取值范围为{1,2,3}，s.t.表不约束操作，G表不属于符号，氏表不中心样 本X的层次空间近邻集中第g层近邻样本。
[0070] 第3步，按照第2步，计算中心样本与层次空间近邻集中所有样本的相似度。
[0071] 第4步，在层次空间近邻集的所有样本中，找到与中心样本具有最大相似度的样 本，并记录该样本的位置。
[0072] 第5步，根据第4步得到的最大相似度样本和该样本的位置，构造中心样本的层次 空间相似度向量，其中该向量中与最大相似度样本对应的位置等于最大相似度。
[0073] 第6步，将待分类的高光谱图像中所有样本依次选为中心样本，执行第2步、第3 步、第4步和第5步，得到每个中心样本的层次空间相似度向量。
[0074] 第7步，将所有的层次空间相似度向量按行排列，得到层次空间相似度矩阵。
[0075] 步骤3,获得超像素集。
[0076] 第1步，创建可靠度矩阵和责任度矩阵，将可靠度矩阵和责任度矩阵中的元素初 始化为零。
[0077] 第2步，采用责任度矩阵元素更新公式，得到更新后的责任度矩阵元素，责任度矩 阵元素更新公式如下：
[0078] 5(;/,r)-max(/:(?,,^) + 5(s.t.g^w/u,v.ge{I,---./；
[0079] 其中，P(u，v)表示责任度矩阵中的第u行第v列元素，u表示责任度矩阵的行数， V表示责任度矩阵的列数，S(u，V)表示层次空间相似度矩阵中的第u行第V列元素，u表示 层次空间相似度矩阵的行数，V表示层次空间相似度矩阵的列数，max表示取最大值操作， E(u，g)表示可靠度矩阵中的第u行第g列元素，u表示可靠度矩阵的行数，g表示可靠度矩 阵的列数，S(u，g)表示层次空间相似度矩阵中的第u行第g列元素，u表示层次空间相似度 矩阵的行数，g表示层次空间相似度矩阵的列数，s.t.表示约束操作，辛表示不等于符号， V表示取所有值操作，e表示属于符号，n表示待分类的高光谱图像中样本的总数。
[0080] 第3步，采用可靠度矩阵非对角线元素更新公式，得到更新后的可靠度矩阵非对 角线元素，可靠度矩阵非对角线元素更新公式如下：
[0081] 二minV) +V'))}s.L
[0082] 其中，E(u，v)表示可靠度矩阵中的第u行第v列元素，u表示可靠度矩阵的行数， V表示可靠度矩阵的列数，min表示取最小值操作，P(v，V)表示责任度矩阵中的第V行第V 列元素，V表示责任度矩阵的行数，E表示求和操作，max表示取最大值操作，P(k，v)表示 责任度矩阵中的第k行第V列元素，k表示责任度矩阵的行数，V表示责任度矩阵的列数， s.t.表示约束操作，P表示不属于符号，V表示取所有值操作，G表示属于符号，n表示待 分类的高光谱图像中样本的总数。
[0083] 第4步，采用可靠度矩阵对角线元素更新公式，得到更新后的可靠度矩阵对角线 元素可靠度矩阵对角线元素更新公式如下：
[0084] E(v\v) =y],max(〇,P(z,r))s.i.z^r,Vv,z€ {I,???,/? }
[0085] 其中，E(v，v)表示可靠度矩阵中的第v行第v列的对角元素，v表示可靠度矩阵的 行数，E表示求和操作，max表示取最大值操作，P(i，V)表示责任度矩阵中的第i行第V列 元素，i表示责任度矩阵的行数，V表示责任度矩阵的列数，s.t.表示约束操作，辛表示不等 于符号，V表示取所有值操作，E表示属于符号，n表示待分类的高光谱图像中样本的总数。
[0086] 第5步，判断可靠度矩阵对角线的元素是否更新了 20次，若是，执行第6步，否则， 执行第2步。
[0087] 第6步，采用聚类中心计算公式，得到待分类的高光谱图像中所有样本所属的聚 类中心，聚类中心计算公式如下：
[0088] u; =argmaxfEC.v,!') +^{.v,V'))V.v,ve{I,---,/? }
[0089] 其中，*；3表示待分类的高光谱图像中第s个样本所属的聚类中心，s表示待分类的 高光谱图像中样本的索引值，s的取值范围为{1，2,…，n}，arg表示求取满足条件变量值的 操作，max表示最大值操作，E(s，V)表示可靠度矩阵中的第s行第V列的对角元素，s表示 可靠度矩阵的行数，V表示可靠度矩阵的列数，P(s，V)表示责任度矩阵中的第s行第V列元 素，s表示可靠度矩阵的行数，V表示可靠度矩阵的列数，V表示取所有值操作，G表示属于 符号，n表示待分类的高光谱图像中样本的总数。
[0090] 第7步，将待分类的高光谱图像中具有相同聚类中心的样本聚成一簇，得到多个 具有不同聚类中心的簇，将具有不同聚类中心的簇组成簇集。
[0091] 第8步，将簇集中的单个簇当作超像素，得到一系列超像素，并组成超像素集。
[0092] 步骤4,构造标记样本字典。
[0093] 第1步，在待分类的高光谱图像中，选取L个样本作为标记样本，获取每个标记样 本的类别，其中，L表示标记样本的数目，L的取值范围为{50, 100, 150, 200, 250, 300, 350}。
[0094] 第2步，将L个标记样本按照类别进行排列，构成标记样本字典。
[0095] 步骤5,求解稀疏系数矩阵。
[0096] 第1步，选取超像素集中的一个超像素作为待处理的超像素，将该超像素与其相 邻的超像素组成超像素张量。
[0097] 在本发明的实施实例中，选取5个相邻的超像素与待处理的超像素组成超像素张 量。
[0098] 第2步，创建残差和标记样本字典的原子列集合，将残差初始化为第1步中得到的 超像素张量，将标记样本字典的原子列集合初始化为空集合。
[0099] 第3步，采用下式，计算标记样本字典中最接近残差的原子列数：
[0101] 其中，d表示标记样本字典中最接近残差的原子列数，arg表示求取满足条件变量 值的操作，max表示最大值操作，E表示求和操作，b表示单位矩阵P的列数，c表示单位矩 阵Q的列数，N?II表示范式操作，R表示残差，X1表示张量的模-1乘积操作，把表示转 置后标记样本字典的第a列，T表示转置操作，a表示转置后标记样本字典的列数，D表示标 记样本字典，X2表示张量的模-2乘积操作，Pb表示单位矩阵P的第b列，P表示总列数为 P的单位矩阵，P表示待处理超像素中样本的总数，X3表示张量的模-3乘积操作，Q。表示 单位矩阵Q的第c列，Q表示总列数为q的单位矩阵，q表示超像素张量中超像素的总数。
[0102] 第4步，将标记样本字典中最接近残差的原子列数加入标记样本字典的原子列集 合。
[0103] 第5步，采用下式，计算稀疏系数张量：
[0104] B -argmin\\AX1 DtX1Px3Q-F||^
[0105] 其中，B表示稀疏系数张量，arg表示求取满足条件变量值的操作，min表示最小值 操作，II?II2表示2-范式操作，A表示待求的稀疏系数张量，Xi表示张量的模-1乘积操 作，Dr表示标记样本字典中对应于r中的列组成的字典，r表示标记样本字典的原子列 集合，D表示标记样本字典，X2表示张量的模-2乘积操作，P表示总列数为p的单位矩阵， P表示待处