專利名稱：一類基于圖像塊距離的高光譜圖像流形降維方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種高光譜遙感圖像非線性降維方法。
背景技術(shù)：
遙感是本世紀六十年代發(fā)展起來的新興綜合技術(shù)，與空間、電子光學(xué)、計算機、地理學(xué)等科學(xué)技術(shù)緊密相關(guān)，是研究地球資源環(huán)境的最有力的技術(shù)手段之一。高光譜遙感是將成像技術(shù)與光譜技術(shù)相結(jié)合的多維信息獲取技術(shù)。高光譜成像儀在電磁波譜的數(shù)十至數(shù)百個非常窄且連續(xù)的光譜段上同時探測目標的二維幾何空間與一維光譜信息。高光譜圖像中，每一個觀測像素都可以提取出一條完整連續(xù)的光譜曲線，為地物信息的提取和分析提供了極其豐富的信息，有助于更加精細的地物分類和目標識別。然而，波段數(shù)的增多必然導(dǎo)致了信息的冗余和數(shù)據(jù)處理復(fù)雜性的增加。同時，較高的光譜分辨率在增強地物細微差別 分辨能力的同時，也帶來了維數(shù)災(zāi)難(Hughes現(xiàn)象)，這種現(xiàn)象嚴重影響了高光譜圖像的處理效果。高光譜圖像特征降維成為解決這種現(xiàn)象的常用方法，它對于高光譜圖像分類等應(yīng)用具有特殊的意義，在高光譜圖像處理中具有十分重要的作用[I]。高光譜數(shù)據(jù)降維技術(shù)是以圖像特征提取為目的，利用低維數(shù)據(jù)來有效地表達高維數(shù)據(jù)特征的數(shù)據(jù)處理技術(shù)。它在有效地保留了圖像信息的同時也大大減少了信息的冗余，更有利于信息的快速提取。常見的高光譜圖像降維算法可以分為線性降維和非線性降維兩大類[2] [7]。主成分分析(Principal Component Analysis, PCA) [2]是一種最常用的線性降維方法。它的主要目標是通過線性變換尋找一組最優(yōu)的單位正交向量基，并用它們的線性組合來重構(gòu)原樣本，以使重建后的樣本和原樣本的誤差最小。其它代表性的線性降維算法還有獨立成分分析(Independent Component Analysis, I CA) [3],線性判別分析(Linear Discriminant Analysis, LDA) [4]等算法。下面介紹與本發(fā)明相關(guān)的一些概念
流形學(xué)習(xí)算法
流形學(xué)習(xí)算法是一種常見的非線性降維方法，它是基于這樣的假設(shè)高維數(shù)據(jù)在特征空間中對應(yīng)的點分布在“低維流形”上。因此，流形學(xué)習(xí)算法實現(xiàn)降維的目的是尋找原始數(shù)據(jù)在“低維流形”上的嵌入坐標。代表性的流形學(xué)習(xí)算法有局部線性嵌入(Locally Linear Embedding, LLE) [5]算法，等距映身寸(Isometric Feature Mapping,IS0MAP) [6]算法和拉普拉斯特征映射(Laplacian Eigenmap, LE) [7]算法等。作為一種局部性保持算法，LLE認為數(shù)據(jù)流形具有局部線性，即一個數(shù)據(jù)點可以通過其鄰域完全重建，于是可以通過在降維空間中盡可能保持其局部線性特征來實現(xiàn)降維。ISOMAP算法則是一種通過保持流形上兩點間的測地線距離來保持數(shù)據(jù)集的全局幾何特性。它保證了降維結(jié)果的穩(wěn)健性和全局最優(yōu)性，但是其運算復(fù)雜度較高。鄰接點個數(shù)C或者鄰域距離c )和低維數(shù)據(jù)的維度(固有維度) 是LLE和ISOMAP算法的兩個主要參數(shù)。兩種算法的步驟如下算法局部線性嵌入算法(Locally Linear Embedding, LLE)
輸入鄰域大小^，內(nèi)在維度s，高維原始數(shù)據(jù)集，其中為數(shù)據(jù)點個數(shù)，￡為數(shù)據(jù)維度。輸出低維映射空間數(shù)據(jù)集
權(quán)利要求
1.一類基于圖像塊距離的高光譜圖像流形降維方法，其特征在于，采用一種新的圖像塊距離度量，該距離度量將觀測像素看作高維流形上的一點，同時兼顧到觀測點周圍的空間結(jié)構(gòu) 對于大小為
2.根據(jù)權(quán)利要求I所述的基于圖像塊距離的高光譜圖像流形降維方法，其特征在于，采用改進的LLE算法；已知水平寬度、垂直寬度和波段數(shù)分別為fT、i￥和L的高光譜圖像數(shù)據(jù)矩陣 鄰接點個數(shù)數(shù)據(jù)集內(nèi)在維數(shù)τ所述改進LLE算法的步驟如下 步驟一計算圖像塊距離矩陣 Ca)圖像鏡像擴展對應(yīng)于大小為WXw的圖像±夾，原始數(shù)據(jù)擴充為
3.根據(jù)權(quán)利要求I所述的基于圖像塊距離的高光譜圖像流形降維方法，其特征在于，采用改進的ISOMAP算法； 已知水平寬度、垂直寬度和波段數(shù)分別為『、/￡和￡的高光譜圖像數(shù)據(jù)矩陣Xei^xjsci ,鄰接點個數(shù)人,數(shù)據(jù)集內(nèi)在維數(shù)/所述的改進ISOMAP算法的步驟如下步驟一計算圖像塊距離矩陣 Ca)圖像鏡像擴展對應(yīng)于大小為WXw的圖像±夾，原始數(shù)據(jù)擴充為X e Λ[^+ι>- )/2]χ[ + .>- )/2]χΙ，使得處于邊緣和四角的像素也可以使用圖像塊距離； (b)對于原始數(shù)據(jù)集上的任意兩個觀測像素點X Iit和X ^ ,根據(jù)式(I)計算圖像塊距離q ),得到圖像塊距離矩陣D/W) e Rnxn ； 步驟二 在全樣本點中尋找每個樣本點的Z個鄰近點，并基于構(gòu)建鄰域圖，計算最短路徑矩陣和執(zhí)行MDS算法，得到最優(yōu)嵌入結(jié)果。
全文摘要
本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，具體為一類基于圖像塊距離的高光譜圖像流形降維方法。本發(fā)明提出一種新的距離度量——圖像塊距離度量，并將其應(yīng)用于流形學(xué)習(xí)的鄰域選擇和低維坐標嵌入中，得到一類新的高光譜遙感圖像非線性降維方法。本發(fā)明利用高光譜圖像物理特性，結(jié)合圖像的光譜信息和空間信息，可以更好地保持了數(shù)據(jù)點之間的局部特性，在最大限度減小圖像信息冗余的基礎(chǔ)之上，很好的保持了原始數(shù)據(jù)集的特性。本發(fā)明對各種不同的高光譜數(shù)據(jù)都表現(xiàn)出良好的適用性。在基于高光譜遙感圖像的高精度的地物分類以及地面目標的檢測和識別方面具有重要的應(yīng)用價值。
文檔編號G06T7/00GK102903116SQ201210400139
公開日2013年1月30日 申請日期2012年10月20日 優(yōu)先權(quán)日2012年10月20日
發(fā)明者普晗曄, 王斌, 張立明 申請人:復(fù)旦大學(xué)