一种基于标签约束弹性网图模型的高光谱图像分类方法技术

本发明专利技术公开了一种基于标签约束弹性网图模型的高光谱图像分类方法。步骤：对待高光谱图像进行EMP特征提取，构建空谱联合特征；根据空谱联合特征进行标签约束传递，获得全局约束矩阵；根据全局约束矩阵，针对每个像素点构建字典；根据字典求解弹性网表示，构建标签约束的弹性网图模型；基于弹性网图模型进行半监督分类，得到标签矩阵，实现高光谱图像分类。本发明专利技术可以降低计算的复杂度，提高构图的准确性，提升算法分类性能。

A hyperspectral image classification method based on label constrained elastic mesh model

【技术实现步骤摘要】
一种基于标签约束弹性网图模型的高光谱图像分类方法
本专利技术属于图像信息处理
，特别涉及了一种高光谱图像分类方法。
技术介绍
上世纪80年代，高光谱遥感技术开始崛起并且迅速发展，人类观测与认识地表事物的能力发生了质的飞跃。高光谱遥感技术在获取观测地物的空间图像的同时，还可以捕捉到其对应的光谱信息，因此高光谱图像呈现为一个三维立方体数据，实现了第一次真正意义上的图谱合一成像。每个像素的多个谱段形成了光谱曲线，包含了地表事物成分的丰富信息，可以用于识别不同的地物类型。目前，高光谱图像分类已经成为当前高光谱遥感领域的热门研究。由于高光谱图像的自身特征，其分类也面临着一定的挑战。在高光谱分类的特征表示方面，研究者们进行了很多尝试。最初的方法通常直接使用光谱信息，较难得到稳健的分类结果。在认识到空间信息在高光谱分类中的重要性后，Pesaresi和Benediktsson两人采用形态学转换的方法去构建形态学分布特征，用来提取空间结构信息。考虑到高光谱图像空谱合一的特性，Fauvel和Chanussot将可拓展的形态学空间特征EMP与光谱特征进行联合提取到一种空谱联合的特征表示，然后采用支持本文档来自技高网...

【技术保护点】
1.一种基于标签约束弹性网图模型的高光谱图像分类方法，其特征在于，包括以下步骤：(1)对待高光谱图像进行EMP特征提取，构建空谱联合特征；(2)根据空谱联合特征进行标签约束传递，获得全局约束矩阵；(3)根据全局约束矩阵，针对每个像素点构建字典；(4)根据字典求解弹性网表示，构建标签约束的弹性网图模型；(5)基于弹性网图模型进行半监督分类，得到标签矩阵，实现高光谱图像分类。

【技术特征摘要】
1.一种基于标签约束弹性网图模型的高光谱图像分类方法，其特征在于，包括以下步骤：(1)对待高光谱图像进行EMP特征提取，构建空谱联合特征；(2)根据空谱联合特征进行标签约束传递，获得全局约束矩阵；(3)根据全局约束矩阵，针对每个像素点构建字典；(4)根据字典求解弹性网表示，构建标签约束的弹性网图模型；(5)基于弹性网图模型进行半监督分类，得到标签矩阵，实现高光谱图像分类。2.根据权利要求1所述基于标签约束弹性网图模型的高光谱图像分类方法，其特征在于，在步骤(1)中，其中，V表示空谱联合特征矩阵，X表示光谱特征矩阵，EMP表示EMP特征矩阵，m为主成分个数，n为半径不同的圆形结构元素的个数，d为光谱波段的数量，N为图像像素点数目。3.根据权利要求2所述基于标签约束弹性网图模型的高光谱图像分类方法，其特征在于，在步骤(2)中，标签约束传递的模型如下：其中，U为全局约束矩阵，Z为初始约束矩阵，表示F范数的平方，上标T表示矩阵转置，tr表示矩阵的迹，δ为正则化参数，L为正则化的拉普拉斯矩阵，L＝I-DW-1/2WDW-1/2，W是根据空谱联合特征矩阵V构图得到的邻接矩阵，DW是图的度矩阵，I是单位阵；求解上述模型，得到全局约束矩阵的最优解U*。4.根据权利要求2所述基于标签约束弹性网图模型的高光谱图像分类方法，其特征在于，在步骤(3)中，步骤(2)求解的全局约束矩阵中的每个元素...

【专利技术属性】
技术研发人员：孙玉宝，陈逸，刘青山，陈基伟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32