【技术实现步骤摘要】
本专利技术属于图像处理
,更进一步涉及信息提取和模式识别
中的一种基于局部一致性的遥感影像半监督投影降维方法。本专利技术可用于在高光谱遥感影像
中进行地物分类,通过波段降维方法减少冗余波段,提高遥感影像的分类精度,利用高光谱图像对复杂地貌地物进行分析,判定出不同类别的地物。
技术介绍
目前在高光谱遥感影像领域中,对高光谱数据进行降维处理的方法通常分为两类特征提取和特征选择的方法。特征提取方法利用原始数据提取其特征参数,通过数学变换压缩波段,将数据投影到低维空间,常见的方法有主成分分析和线性判别分析。特征选择方法是在原始数据众多波段中选择感兴趣的若干波段或选择信息量大和相关性小的若干 波段。Yu 等人在文献“J. Yu and Q. Tian, Semantic Subspace Projection and ItsApplications in Image Retrieval, IEEE Transactions on Circuits and Systems forVideo Technology,vol. 18,no. 4,April. 2008. ”中提出了一种语义子空间投影的降维方法对图像进行降维处理。该方法首先根据图像数据集的监督信息和K近邻局部几何信息,构造同类近邻结构;在投影后的子空间中,约束来自不同语义类的样本分离,而来自相同语义近邻结构的样本聚集,找到一个最优投影。该方法存在的不足是,由于该方法为有监督的线性降维方法,需要利用大量的监督信息,而对于高光谱图像数据,其类别信息的获取是耗时耗力且非常困难的,从而导致该方法在小样本学 ...
【技术保护点】
一种基于局部一致性的遥感影像半监督投影降维方法,包括如下步骤:(1)划分遥感影像数据集将待处理的高光谱数据集作为测试集,按训练?测试样本比选取带标签样本组成有监督信息的训练集;(2)生成矩阵2a)采用语义相似矩阵公式生成测试集的标签矩阵;2b)采用近邻方法生成测试集的近邻矩阵;2c)采用局部一致性约束方法生成测试集的局部一致性矩阵;(3)融合标签矩阵和近邻矩阵采用点积和归一化方法融合标签矩阵和近邻矩阵;(4)生成近邻均值向量采用局部近邻均值向量公式生成近邻均值向量;(5)生成散度矩阵5a)采用相异散度矩阵公式生成测试集的相异散度矩阵;5b)采用相似散度矩阵公式生成测试集的相似散度矩阵;5c)采用局部一致性散度矩阵公式生成测试集的局部一致性散度矩阵;(6)求解最优投影矩阵采用特征值分解方法求解最优投影矩阵;(7)投影降维将最优投影矩阵和测试样本集矩阵相乘,得到测试样本集矩阵的降维矩阵。
【技术特征摘要】
1.一种基于局部一致性的遥感影像半监督投影降维方法,包括如下步骤 (1)划分遥感影像数据集 将待处理的高光谱数据集作为测试集,按训练-测试样本比选取带标签样本组成有监督信息的训练集; (2)生成矩阵 2a)采用语义相似矩阵公式生成测试集的标签矩阵; 2b)采用近邻方法生成测试集的近邻矩阵; 2c)采用局部一致性约束方法生成测试集的局部一致性矩阵; (3)融合标签矩阵和近邻矩阵 采用点积和归一化方法融合标签矩阵和近邻矩阵; (4)生成近邻均值向量 采用局部近邻均值向量公式生成近邻均值向量; (5)生成散度矩阵 5a)采用相异散度矩阵公式生成测试集的相异散度矩阵; 5b)采用相似散度矩阵公式生成测试集的相似散度矩阵; 5c)采用局部一致性散度矩阵公式生成测试集的局部一致性散度矩阵; (6)求解最优投影矩阵 采用特征值分解方法求解最优投影矩阵; (7)投影降维 将最优投影矩阵和测试样本集矩阵相乘,得到测试样本集矩阵的降维矩阵。2.根据权利要求I所述的基于局部一致性的遥感影像半监督投影降维方法,其特征在于步骤(I)所述的训练-测试样本比的选取范围为1/120 1/10。3.根据权利要求I所述的基于局部一致性的遥感影像半监督投影降维方法,其特征在于步骤2a)所述的语义相似矩阵公式如下4.根据权利要求I所述的基于局部一致性的遥感影像半监督投影降维方法,其特征在于步骤2b)所述的近邻方法如下 第一步,对于测试集中每一个样本,找出与该样本距离最近的k个样本,将得到的所有样本组成近邻结构集合V,k的取...
【专利技术属性】
技术研发人员:杨淑媛,焦李成,徐雯晖,刘芳,缑水平,侯彪,王爽,杨丽霞,邓晓政,王秀秀,
申请(专利权)人:西安电子科技大学,
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。