欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2022106523479
申请人: 中国地质大学(武汉)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种高光谱影像波段选择方法,其特征在于,包括:

S100、获取高光谱影像立方体,利用PCA和超像素分割算法将所述高光谱影像立方体分割为多个区域;

构建各所述区域对应的相似度矩阵和拉普拉斯矩阵,并根据各所述相似度矩阵和各所述拉普拉斯矩阵获取各所述区域对应的初始维度的初始低维潜在特征,构建初始潜在特征矩阵;

S200、采用分层策略分别学习各所述区域对应的低维潜在特征,获取各所述区域的潜在特征矩阵,并提取所述高光谱影像立方体的平均潜在特征,构建平均潜在特征矩阵;包括:S210、根据分层策略逐渐降低特征维度至最终维度,获取多个逐渐减小的分层维度;

S220、基于所述初始潜在特征矩阵,提取各所述区域对应的分层维度的潜在特征,构建分层潜在特征矩阵;

S230、重复步骤S220,且每次重复进行提取各所述区域的潜在特征的所述分层维度总小于前一次提取各所述区域的潜在特征的所述分层维度,直至构建所述最终维度的所述潜在特征矩阵,其中,所述初始维度大于所述分层维度且远大于所述最终维度;

S300、将各所述区域的潜在特征矩阵与所述平均潜在特征矩阵进行融合,获取所述高光谱影像立方体的低维自表征矩阵;

S400、对所述低维自表征矩阵进行聚类,获取最优波段组合。

2.根据权利要求1所述的高光谱影像波段选择方法,其特征在于,所述利用PCA和超像素分割算法将所述高光谱影像立方体分割为多个区域包括:利用PCA对所述高光谱影像立方体进行降维处理,获取所述高光谱影像立方体的第一主成分;

采用ERS熵率超像素分割算法按照区域分割数量对所述第一主成分进行划分,获取多个所述区域。

3.根据权利要求2所述的高光谱影像波段选择方法,其特征在于,所述利用PCA和超像素分割算法将所述高光谱影像立方体分割为多个区域还包括:根据所述第一主成分中的纹理信息确定所述区域的分割数量。

4.根据权利要求1所述的高光谱影像波段选择方法,其特征在于,所述提取所述高光谱影像立方体的平均潜在特征,构建平均潜在特征矩阵包括:构建各所述区域的平均拉普拉斯矩阵,根据所述平均拉普拉斯矩阵获取所述高光谱影像立方体的平均潜在特征,构建所述平均潜在特征矩阵。

5.根据权利要求1所述的高光谱影像波段选择方法,其特征在于,所述将各所述区域的潜在特征矩阵与所述平均潜在特征矩阵进行融合包括:利用第一公式表示融合过程,所述第一公式为:

b×d

其中,Y表示潜在特征矩阵,F表示低维自表征矩阵, ∈R 表示平均潜在特征矩阵,N表示区域的分割数量,γ表示权重,t表示维度层数, 表示第t层中第i个分割区域的权重,β表示权重大小,βi表示示第i个分割区域对低维自表征的权重大小, 和 分别表示第t−1层和第t层中第i个分割区域所对应的潜在特征矩阵,m为维度总层数, 表示第m层中第i个分割区域所对应的特征矩阵, 表示d1维潜在特征矩阵, 表示d2维潜在特征矩阵,I表示单位矩阵,Id表示d×d的单位矩阵,d、d1、d2分别表示维度,b表示高光谱影像立方体所包含的波段数,L(i)表示第i个区域的拉普拉斯矩阵。

6.根据权利要求1至5任一项所述的高光谱影像波段选择方法,其特征在于,所述对所述低维自表征矩阵进行聚类,获取最优波段组合包括:采用K‑means算法对所述低维自表征矩阵进行聚类,获取多个簇,分别从多个簇中选择信息熵最大的多个波段作为最优特征波段,构建所述最优波段组合。

7.一种高光谱影像波段选择系统,其特征在于,包括:

高光谱影像处理模块,所述高光谱影像处理模块用于获取高光谱影像立方体,利用PCA和超像素分割算法将所述高光谱影像立方体分割为多个区域;

初始潜在特征获取模块,所述初始潜在特征获取模块用于构建各所述区域对应的相似度矩阵和拉普拉斯矩阵,并根据各所述相似度矩阵和各所述拉普拉斯矩阵获取各所述区域对应的初始维度的初始低维潜在特征,构建初始潜在特征矩阵;

潜在特征计算模块,所述潜在特征计算模块用于采用分层策略分别学习各所述区域对应的低维潜在特征,获取各所述区域的潜在特征矩阵,并提取所述高光谱影像立方体的平均潜在特征,构建平均潜在特征矩阵;具体用于根据分层策略逐渐降低特征维度至最终维度,获取多个逐渐减小的分层维度;用于基于所述初始潜在特征矩阵,提取各所述区域对应的分层维度的潜在特征,构建分层潜在特征矩阵;用于重复构建分层潜在特征矩阵,且每次重复进行提取各所述区域的潜在特征的所述分层维度总小于前一次提取各所述区域的潜在特征的所述分层维度,直至构建所述最终维度的所述潜在特征矩阵,其中,所述初始维度大于所述分层维度且远大于所述最终维度;

潜在特征融合模块,所述潜在特征融合模块用于将各所述区域的潜在特征矩阵与所述平均潜在特征矩阵进行融合,获取所述高光谱影像立方体的低维自表征矩阵;

波段选取模块,所述波段选取模块用于对所述低维自表征矩阵进行聚类,获取最优波段组合。

8.一种电子设备,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1‑6任一项所述的高光谱影像波段选择方法。