【技术实现步骤摘要】
本专利技术属于图像处理、数据表示以及波段选择，具体涉及基于kl散度的加权稀疏自表示的高光谱波段选择方法。
技术介绍
1、高光谱遥感技术能同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息，与传统全色及多光谱遥感图像相比，高光谱遥感图像光谱分辨率高，每个像素包含数十至数百个窄光谱波段，能产生一条完整而连续的光谱曲线，具有极其丰富的地物光谱信息。然而，其光谱范围窄、波段数多且波段间相关性强的特点也导致其数据量庞大、信息冗余度高，容易出现休斯现象等问题，影响后续的分类性能。因此，对高光谱数据进行降维处理具有重要意义。
2、高光谱数据的降维方式可分为两种，即特征提取和特征选择(也称为波段选择)。相较于特征提取，波段选择的优势在于其能够使降维后的图像保持原始波段的物理意义，因此得到广泛应用。目前，现有的波段选择方法主要包括基于排序、搜索、聚类和稀疏表示等理论的算法，其中基于稀疏自表示的波段选择算法成为了研究热点。
3、根据稀疏自表示理论，高光谱图像中的每个波段都可以表示为代表波段的线性组合，这意味着，每...
【技术保护点】
1.基于KL散度的加权稀疏自表示的高光谱波段选择方法，其特征在于，包括：
2.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述计算相似图，具体通过计算二维光谱矩阵的高斯核函数实现；
3.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述相异性矩阵，为二维光谱矩阵成对波段互为近似分布与观察分布的KL散度的和。
4.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述构建二维光谱矩阵的邻域图并计算相似图再归一化，得到归一化相似图，具体为：
5.根据权利要求4所述的高光谱波段选择方法，其特征在于，所述具有自环...
【技术特征摘要】
1.基于kl散度的加权稀疏自表示的高光谱波段选择方法，其特征在于，包括：
2.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述计算相似图，具体通过计算二维光谱矩阵的高斯核函数实现；
3.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述相异性矩阵，为二维光谱矩阵成对波段互为近似分布与观察分布的kl散度的和。
4.根据权利要求1所述的高光谱波段选择方法，其特征在于，所述构建二维光谱矩阵的邻域图并计算相似图再归一化，得到归一化相似图，具体为：
5.根据权利要求4所述的高光谱波段选择方法，其特征在于，所述具有自环的相似图矩阵，为单位矩阵与相似图的和，用于通过添加自环，将节点的自身信息加入相似图。
6.根...
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。