A semi supervised hyperspectral image classification method based on local low rank representation is proposed. The local low rank coefficient is used to depict the spatial spectrum information. Finally, an enhanced hyperspectral image semi supervised classification method is finally obtained based on the acquired spectral information. Firstly, the null spectral information is represented by local low rank, then label the unlabeled samples. Finally, the hyperspectral image is supervised by semi supervised classification based on the acquired spatial spectrum information. The method of the invention can be applied to the situation of hyperspectral image classification with insufficient number of labels, and at the same time, it can improve classification accuracy and reduce boundary fuzziness.
【技术实现步骤摘要】
一种基于局部低秩表示的半监督高光谱图像分类方法
本专利技术属于遥感图像处理领域,尤其是一种基于局部低秩表示的半监督高光谱图像分类方法。
技术介绍
高光谱遥感图像具有非常高的光谱分辨率,在地质勘探、地球资源调查和精准农业等方面得到越来越多的应用。目前,对于高光谱图像分类,主要存在两种方法。一种是对高光谱数据进行降维后再分类,这种方法将高维数据投影到地位空间,大部分信息集中在了少数几个特征中。但这种方法会损失一些重要的信息,不能体现高光谱的优势。第二种方法是直接对高光谱数据进行分类,但由于高维度数据的存在,会产生Hughes现象。一方面,优秀的高光谱分类结果需要大量有标签的训练数据;另一方面,实际分类中,标签数量往往很有限,训练出的分类器存在过拟合情况。针对于上述这种情况,半监督方法受到了越来越多的重视。对于高光谱图像而言,标签的获取是一项极为耗时耗力的工作。若仅仅使用少量的标签,对分类的结果是不利的。半监督可以有效缓解这一问题,它综合利用无标签和有标签样本进行训练,避免了分类器过拟合。在高光谱图像中,仅仅使用光谱信息是不能得到较好的分类结果的,因此,很多研究者开始着手于高光谱图像中的空间信息。常规方法如马尔可夫随机场(MarkovRandomField,MRF)可以用来提取空间信息,这对于提高图像的分类准确率具有重要的影响。同时,超像素、gabor滤波等方法也被广泛运用。然而,这些方法会导致分类图像边界出现模糊的情况,因此,需要获取更加精确的空间特征以避免这一问题。
技术实现思路
本专利技术所解决的技术问题在于提供一种基于局部低秩表示的半监督高光谱图像分类方法, ...
【技术保护点】
一种基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,包括以下步骤:步骤1:在高光谱图像的空间域中,以待分类样本为中心选取空间邻域,并建立若干个空间邻域结构;步骤2:对每一个空间邻域结构中的低秩约束样本进行局部低秩建模,获取低秩系数;步骤3:对空间邻域中无标签的样本进行标签初始化;步骤4:从局部低秩系数中获取样本间的空谱信息,进行半监督的高光谱图像分类,得到分类图像。
【技术特征摘要】
1.一种基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,包括以下步骤:步骤1:在高光谱图像的空间域中,以待分类样本为中心选取空间邻域,并建立若干个空间邻域结构;步骤2:对每一个空间邻域结构中的低秩约束样本进行局部低秩建模,获取低秩系数;步骤3:对空间邻域中无标签的样本进行标签初始化;步骤4:从局部低秩系数中获取样本间的空谱信息,进行半监督的高光谱图像分类,得到分类图像。2.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,步骤1中选取空间邻域的方法具体为:分别选取待分类样本X0的上下左右4个近邻像素Xi作为低秩约束样本,并在剩余的样本中选取近邻的16个样本作为对应的字典原子Dm,其中,i=1,2,3,4,m=1,2,...,16。3.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,步骤2中局部低秩建模公式为:满足Xn=Dn·Zn+En,其中,n为空间邻域的标号,Zn为低秩系数,En为噪声,Xn是低秩约束样本,Dn为字典原子,*表示核范数,F表示Frobenius范数,λ用来控制噪声的权重,λ>1.3。4.根据权利要求1所述的基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,步骤2中采用非精度增广拉格朗日乘子法来获取低秩系数。5.根据权利要求1或4所述的基于局部低秩表示的半监督高光谱图像分类方法,其特征在于,获取每一个空间邻域结构的低秩系数Z的具体步骤为:步骤2-1:初始化参数:Z=J=0,E=0,Y1=0,Y2=0,μ=10-6,μmax=106,ρ=1.1,ε=10-8,E为噪声,J、Y1、Y2、μ、μmax、ρ、ε...
【专利技术属性】
技术研发人员:任守纲,万升,顾兴健,徐焕良,李庆铁,
申请(专利权)人:南京农业大学,
类型:发明
国别省市:江苏,32
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。