【技术实现步骤摘要】
本专利技术属于遥感图像处理
，是一种地物识别方法，该方法可以利用高光谱图像对复杂地貌地物进行分析，判定出相似地物的不同类别。
技术介绍
高光谱图像地物识别，是指利用高光谱图像对复杂地貌地物进行分析从而判定出地物所属类型。高光谱图像是由多光谱遥感成像设备所产生的图谱合一的海量数据，同时包含了地物的空间信息和丰富的光谱信息。图像中的每一个点可以由一个众多谱段的光谱信息构成的高维光谱向量描述，利用这些光谱向量可以辨别出各种各样的地物类型。目前高光谱图像地物识别方法可以分为无监督和有监督两大类方法，无监督方法事先不需要知道任何样本的标签，如K均值(k-means)算法，但是识别率往往较低，而且容易受初始中心点选取的影响；有监督方法需要知道部分样本的标签，如支撑向量机SVM，这种方法识别率虽有所提高，但是往往需要复杂的训练过程。随着最近稀疏表示的兴起，一些学者提出了利用样本的稀疏表示进行分类的思想，如稀疏表示分类算法SR，该方法无需复杂的训练过程，但识别不够精确。核稀疏表示分类算法KSR是对SR的一种改进，可以提高识别精度，但其中计算核函数的空间和时间复杂度较高，往...
【技术保护点】
１．一种基于稀疏核编码ＳＫＲ的高光谱图像地物识别方法，包含如下步骤：（１）采用高光谱图像中部分有标签的光谱向量作为训练样本，按标签类别依次排列构成稀疏编码的字典Ｄ∈ＲＮ×Ｋ，所有未知标签的光谱向量构成测试样本集合Ｙ＝［ｙ１，ｙ２，．．．．ｙｎ，．．．ｙＱ］∈ＲＮ×Ｑ，并对字典Ｄ和测试样本集合Ｙ分别进行列归一化，其中Ｒ表示实数集，Ｎ为光谱向量的维数，Ｋ为字典Ｄ中训练样本的个数，Ｑ为测试样本集合中测试样本的个数，ｙｎ∈ＲＮ×１表示测试集合中的测试样本，ｎ＝１，２，．．．，Ｑ；（２）利用近邻法对训练样本进行聚类，得到中心样本矩阵并利用中心样本矩阵构造稀疏核函数ｓ（ｘ）：并将测试样...
【技术特征摘要】
【专利技术属性】
技术研发人员：杨淑媛，焦李成，韩月，刘芳，王爽，侯彪，张向荣，马文萍，缑水平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
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。