基于空间信息约束的增强型稀疏表示高光谱图像分类装置及方法
【技术领域】
[0001] 本发明涉及高光谱图像分类领域，具体涉及一种增强型稀疏表示高光谱图像分类 方法。
【背景技术】
[0002] 高光谱遥感（Hyperspectralremotesensing)又称超谱遥感，目前应用最多的是 美国NASA喷气实验室研制的机载可见光成像光谱仪（AVIRIS)。高光谱遥感图像是按照一 定的比例，客观真实地记录和反映地表物体的电磁辐射的强弱信息，是遥感探测所获得的 遥感信息资料的一种表示，因此遥感高光谱技术应用的核心问题是根据地物电磁辐射的强 弱在遥感图像上表现的特征，判读识别地面物体的类属及其分布特征。
[0003] 高光谱遥感图像是一种高维图像，可直接反映地物的空间信息和光谱信息，其数 据量庞大。随着传感器的不断更新，人们已经可以在不同的航空航天遥感平台上获取不同 时空分辨率和光谱分辨率的遥感图像。根据各自在图像信息中所反映的不同特征，把不同 类别的目标区分开来的图像处理方法叫做图像分类。遥感高光谱图像分类主要的依据是地 物的光谱特征，即地物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的 原始特征变量。图像空间：反映了地物的分布和变化以及不同地物之间的空间关系。图像 空间最重要的用途就是将图像中每一个像素与其地面位置对应起来，为高光谱影像处理与 分析提供空间知识。
[0004] 稀疏表示（SR)已被证明在高光谱图像分类领域具有很好的分类效果；算法假设 高维的光谱能够被少量的字典原子线性表示，通过求重构像元与待测像元之间的欧氏距离 来划分像元类别。在传统稀疏表示分类算法中以贪婪算法实现起来更加易于理解，常用的 贪婪算法有匹配追踪算法（MP)、正交匹配追踪算法（0MP)、子空间回溯算法（SP);在将贪婪 算法运用于高光谱图像分类的过程中，0MP算法效果最优。0MP算法保证每一次选入支撑集 的像元不会重复，最终通过求重构像元与原始像元的欧氏距离来判断原始像元的类别。
[0005] 然而，在传统稀疏表示分类算法中，利用欧氏距离计算重构像元与待测像元的相 似程度时，缺少类别特征信息。同时，在传统稀疏表示分类算法中，算法仅利用了高光谱图 像的光谱信息，图像的空间信息并没有得到有效利用，事实上高光谱图像相邻像元之间存 在着很强的相关性，利用空间信息分类能够较好的提升高光谱图像的分类性能。
[0006] 综上所述，稀疏表示分类算法中欧式距离计算重构像元与待测像元缺少类别特征 信息。传统稀疏表示分类算法仅利用高光谱图像的光谱信息来对像元进行类别划分，缺少 高光谱图像的空间信息。由于上述问题，高光谱图像的分类性能较差。
【发明内容】
[0007] 本发明针对现有技术的上述不足，提出基于空间信息约束的稀疏表示高光谱图像 分类。使用正规化欧氏距离计算重构像元与待测像元的相似程度代替传统的欧氏距离，在 进行待测像元类别划分的过程中添加类别特征信息；将以待测像元为中心的8邻域内的空 间信息引入稀疏表示分类算法中，利用高光谱图像的空间信息对高光谱图像像元进行类别 划分。
[0008] 本发明解决上述问题的技术方案是：提出基于空间信息约束的增强型稀疏表示高 光谱图像分类装置，包括：残差值重新计算模块、空间分类信息与光谱分类信息融合模块、 待测像元类别多次循环计算模块。
[0009] 稀疏表示残差值重新计算模块：利用传统稀疏表示算法的初始分类结果将残差向 量进行分组，构成残差向量集，计算对应频段每一个类别的残差向量集的方差向量，将对角 化的方差向量作为正规化欧氏距离中的对角矩阵，计算重构像元相对于待测像元的重构残 差值；空间分类信息与光谱分类信息融合模块：利用待测像元周围八邻域内像元的类别标 签，设置空间信息约束权值，将空间信息权值与光谱分类的残差值相加，判断待测像元的类 另IJ;待测像元类别多次循环计算模块：将空间分类信息与光谱分类信息融合模块确定的待 测像元的类别作为初始条件，对残差向量进行重新分组，调用稀疏表示残差值重新计算模 块重新计算待测像元的新类别，直至达到设置的循环次数，输出分类结果。
[0010] 本发明的其中一个实施例进一步包括，将所有像元对应的残差向量分组，组成残 差向量集N1;根据第i类残差向量集的第j频段向量Nx]，调用公式~=|iV;7 -挪 计算第i类残差向量集队中第j频段的方差s^，由此获得残差向量集队对应的方差向量S1= [Sll，sl2，…，sld]，将方差向量对角化为5^，获得所有C个类别对应的方差对角矩阵为 {Sl，S2,…，Si，…，SJ。
[0011] 其中，所有C个类别对应在class中的坐标为[indeXi,index2，…，index;,… ，indexc]，找出初始分类结果class向量中第i类类别标签的位置坐标index;，在由第i类 字典进行稀疏重构的所有残差向量民中按照indexi中的坐标取出对应位置上的残差向量， 构成第i类的残差向量集队，获得所有C个类别构成的分组残差向量集为况，N2，…，队，… ，Nc}。根据残差值；^^、空间信息约束权值，调用公式：j= "rgw# |r〇,),. +丫％}计算 待测像元xt的类别，其中，y为空间信息约束因子，Wi为第i类别空间信息约束权值。
[0012] 本发明的其中一个实施例进一步包括，计算重构像元与待测像元的类别相似度， 具体包括：根据第i类字典Ai、稀疏重构系数向量ai获得重构像元Aiai，调用正规化欧式 距离公式
计算重构像元相对于待测像元xt的重 构残差值，其中，SSi的对角矩阵，T为待测像元的总数。
[0013] 其中，残差值r&y越小，重构像元4ai与待测像元xt的类别相似度越高。
[0014] 所述设置空间信息约束权值具体包括：提取以待测像元xt为中心的空间8邻域内 像元信息，获取类别标签组，将其中的第i类标签数目的负值设置为第i类别空间信息约束 权值I。
[0015] 本发明的其中一个实施例进一步包括，对残差向量进行重新分组，重新计 算待测像元的新类别具体包括：将上一次分类结果中的待测像元类别class作为 下一次类别划分的初始条件重新对残差向量分组，获得新的残差向量集N'i对应 的方差向量S' 1= [s'u，s' 12，…，s'ld]，构建新对角矩阵2 'i，根据公式：
'算新重构残差值；,调用公式： 卜算新待测像元x' 4的新类别，其中，y为空间信息约束因 于。
[0016] 本发明还提出一种基于空间信息约束的增强型稀疏表示高光谱图像分类方法，包 括步骤：稀疏表示残差值重新计算模块利用初始分类结果将残差向量进行分组，构成残差 向量集，计算对应频段每一个类别的残差向量集的方差向量，将对角化的方差向量作为正 规化欧氏距离中的对角矩阵，计算重构像元与待测像元的相似度；空间分类信息与光谱分 类信息融合模块利用待测像元周围八邻域内像元的类别标签，设置空间信息约束权值，判 断待测像元的类别；待测像元类别多次循环计算模块将待测像元的类别作为下一次待测像 元类别划分的初始条件，对残差向量进行重新分组，重新计算待测像元的新类别，直至达到 设置的循环次数，输出分类结果。
[0017] 基于正规化欧氏距离的稀疏表示残差值计算可具体包括：
[0018] 将初始稀疏表示分类之后像元对应的残差向量分组，组成残差向量集队，其中i为 类别序列号，所有C个类别对应的残差向量集为{Ni，N2，…，队，…，NJ。找出初始分类class 向量中第i类类别标签的位置坐标index;，所有C个类别对应在class向量中的位置坐标 为[indeXi,index2，…，index;,…，indexe]，在所有待测像元经第i类字典稀疏重构形成的 所有残差向量Ri中按照index;*的坐标取出对应位置上的残差向量