【技术实现步骤摘要】
本专利技术属于遥感技术的研究领域，涉及一种高光谱图像的波段选择方法，具体涉及一种对高光谱图像的噪声波段进行去除以进一步提升下游高光谱分类任务性能的方法。
技术介绍
1、遥感技术源于20世纪60年代末期，在过去的一个世纪里得到了不断的发展。遥感技术是利用电磁辐射作为相互作用的媒介，在不直接接触被研究目标或区域的情况下来远距离的获取目标中的数据，并对所获取的数据进行分析从而得到所需信息的一种对地观测综合性技术。随着遥感技术的不断进步，上世纪80年代初期人们将光谱技术与成像技术进行有机结合，研制出了第一代成像光谱仪，并逐渐形成了高光谱分辨率的新型遥感技术——高光谱遥感技术。高光谱遥感技术可以利用许多非常窄的电磁波段从感兴趣的物体中获取相关信息，能够在电磁波谱的紫外、可见光、近红外及中红外区域范围内成像，其图像中包含了数十至数百个非常窄的连续波段。由于获得的高光谱图像可用于识别具有微小光谱差异的不同物质，因此被广泛的应用于各种领域，例如，土地覆盖物绘图、沿海土地监测、精准农业和矿物探勘等。
2、然而，高光谱图像波段的高维性和波段间的强相关性通常会导致“修斯现象”以及产生较高的计算成本。此外，高光谱图像在采集的过程中受到光照、采集条件以及设备自身等因素的干扰，通常会导致图像中的某些波段含有大量的噪声。这些现象的产生在很大程度上限制了高光谱图像的进一步应用，对高光谱图像进行波段选择是解决上述问题的有效途径。波段选择是指从原高光谱图像中选择一些具有区分度的波段来代表原始图像，其可以在物理意义上保留原始图像的信息，使降维后的高光谱图
技术实现思路
1、本专利技术基于高光谱遥感图像的波段具有分组稀疏的特性，提供了一种基于分组稀疏性的高光谱图像波段选择方法。该方法对波段选择模型中的投影选择矩阵施加了l2,1-norm约束，其能够有效的刻画高光谱图像波段的分组稀疏特性，从而有助于获得更加准确的波段索引信息。然后，基于admm算法框架对波段选择模型进行优化求解并获得一个具有波段选择效果的投影矩阵，从而基于所得的投影选择矩阵可进一步为高光谱图像进行有效的波段选择。
2、本专利技术的目的是通过以下技术方案实现的：
3、一种基于分组稀疏性的高光谱图像波段选择方法，包括如下步骤：
4、步骤1、构建分组稀疏先验正则：
5、步骤1.1、给定输入的高光谱图像x＝[x1,l,xd]∈rm×d，其中m为输入高光谱图像的波段数，d为含有标签的像素数目；
6、步骤1.2、矩阵p＝[p1,l,pm]∈rk×m表示含有k个类别标签的投影选择矩阵，将其分组稀疏投影正则约束按下式定义为：
7、
8、其中，||·||2,1表示矩阵的l2,1-norm；
9、步骤2、构建有标签的指示矩阵：
10、步骤2.1、矩阵z＝[z1,l,zd]∈rk×d表示含有k个类别标签的指示矩阵，其每个分量zj∈{0,1}k为one-hot编码表示；
11、步骤2.2、若高光谱图像x中的第i个含有标签的像素xi属于k个类别中的第j个类别，则zi的第j个元素为1且其它元素均为0，zi被进一步表示为：
12、zi＝[0,l,0,1,0,l0]t∈rk
13、其中，分量1即为zi中的第j个元素所在的位置；
14、步骤3、高光谱图像的波段选择：
15、步骤3.1、计算投影选择矩阵：
16、在波段选择的第t次迭代过程中，投影选择矩阵p按下式计算：
17、pt+1＝(zxt+μ(ut-vt))(xxt+μi)-1
18、其中，上角标t为矩阵的转置运算，上角标-1表示矩阵求逆运算，矩阵i表示大小为m×m的单位阵，矩阵u为辅助变量，矩阵v表示lagrangian乘子，参数μ为罚参数；
19、步骤3.2、计算辅助变量：
20、在波段选择的第t次迭代过程中，辅助变量u按下式计算：
21、
22、其中，函数vsoft(·)为向量的软阈值函数；
23、步骤3.3、更新lagrangian乘子：
24、在波段选择的第t次迭代过程中，lagrangian乘子v按下式更新：
25、vt+1＝vt+pt+1-ut+1
26、步骤3.4、算法的终止条件：
27、当上述波段选择过程的迭代次数t＝q或算法达到收敛时，则终止迭代并输出矩阵pt+1，否则转到步骤3.1继续执行；当依据步骤3.4停止迭代时，输出的pt+1即为具有波段选择效果的投影选择矩阵；
28、步骤3.5、计算投影选择矩阵每列的重要性：
29、令向量为波段选择的索引向量，其每个分量||pj||2被下式定义为：
30、
31、其中，表示对投影选择矩阵p中的第j列的所有元素进行平方运算，中的前r个较大分量的索引所对应的波段视作是高光谱图像x中被选择的重要波段，r为输入的被选择的波段数量。
32、相比于现有技术，本专利技术具有如下优点：
33、1、本专利技术提出的波段选择方法是一种可用于对高光谱图像中重要波段进行波段选择的方法，该方法能够有效的去除高光谱图像中受噪声影响较为严重的波段，并且同时可以完整的保留原高光谱图像中的重要信息。
34、2、本专利技术的方法能够对原始的高光谱图像进行降维处理，使得降维后的高光谱图像具有和原图像一样的可解释性，同时还能在一定程度上减少后续高光谱图像处理任务的计算代价。
35、3、利用本专利技术提出的波段选择方法对高光谱图像进行波段选择后，可以进一步提升下游分类任务的性能。因此，本专利技术具有实际应用价值较强、可靠性较好的特点，适合推广使用。
36、4、本专利技术可以为相关的专业人员对高光谱图像的进一步分析与应用提供一定的理论分析依据。
本文档来自技高网...【技术保护点】
1.一种基于分组稀疏性的高光谱图像波段选择方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于分组稀疏性的高光谱图像波段选择方法，其特征在于所述步骤1.2中，其中，||pi||2刻画了投影选择矩阵P中第i列的重要程度且仅对应于高光谱图像X中的一个波段。
3.根据权利要求1所述的基于分组稀疏性的高光谱图像波段选择方法，其特征在于所述步骤3.2中，函数vsoft(·)表达式被定义为：
【技术特征摘要】
1.一种基于分组稀疏性的高光谱图像波段选择方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于分组稀疏性的高光谱图像波段选择方法，其特征在于所述步骤1.2中，其中，||pi||2刻画了...
【专利技术属性】
技术研发人员：宋福新，张鹏飞，邓世文，阚超，
申请(专利权)人：哈尔滨师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。