基于局部流形学习构图的高光谱遥感图像半监督分类方法 .pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN104408466A

(43)申请公布日2015.03.11

(21)申请号CN201410651950.0

(22)申请日2014.11.17

(71)申请人中国地质大学(武汉)

地址430074湖北省武汉市洪山区鲁磨路388号

(72)发明人马丽杨孝全张晓锋吴让仲罗大鹏

(74)专利代理机构武汉华旭知识产权事务所

代理人刘荣

(51)Int.CI

G06K9/62

权利要求说明书说明书幅图

(54)发明名称

基于局部流形学习构图的高光谱遥

感图像半监督分类方法

(57)摘要

本发明公开了一种基于局部流形学

习构图的高光谱遥感图像半监督分类方

法，实现步骤为：(1)准备训练样本集，包

括少量的带标记数据和大量的无标记数

据；(2)基于光谱角制图这种距离度量方

法，对训练样本集中的每个样本点选择k

个最近邻点；利用局部流形学习算法，得

到图结构中各连接点之间的权值，计算图

邻接矩阵，得到对应的图结构；基于图邻

接矩阵，基于GFHF算法对无标记数据进

行分类；(3)利用GFHF的泛化算法对图像

中其他数据点进行分类。本发明将局部流

形学习降维算法和半监督分类算法这两种

应用广泛的算法通过“图”联系起来，对多

种高光谱遥感数据分类都表现出较好的适

用性，能够明显提高高光谱遥感图像的分

类精度。

法律状态

法律状态公告日法律状态信息法律状态

2021-10-26未缴年费专利权终止未缴年费专利权终止

2017-10-27授权授权

2015-04-08实质审查的生效实质审查的生效

2015-03-11公开公开

权利要求说明书

1.一种基于局部流形学习构图的高光谱遥感图像半监督分类方法，其特征在于具

体包括以下步骤：

(1)选取训练数据集X以及测试数据集Xsubt/sub，所述训练数据集X包括标

记数据集Xsubm/sub和无标记数据集Xsubu/sub：

其中Xsubm/sub是高光谱遥感图像中的m个标记数据点的集合，

Xsubm/sub的标记信息Ysubm/sub用大小为C×m的矩

阵表示，C为地物类型的类别数量，Ysubm/sub中第i行第j列元素的值

Ysubij/sub用来指示第j个标记数据点，如果第j个标记数

据点属于第i类，那么Ysubij/sub＝1，否则Ysubij/sub＝0；

Xsubu/sub是高光谱遥感图像中随机选择的部分无标记数据点的集合，数量为

u，ugt;gt;m；

所述测试数据集Xsubt/sub为高光谱遥感图像中Xsubu/sub以外的其它无

标记数据点的集合；

(2)计算无标记数据集Xsubu/sub的分类结果Fsubu/sub：

对于训练数据集X中每一个数据点xsuba/sub，xsuba/sub∈X，基于光谱

角制图距离度量方法搜索xsuba/sub的k个光谱特征最相似的

近邻点；训练数据集X中有m+u个数据点，xsuba/sub的邻域表示

为N(xsuba/sub)，邻域中包含k个近邻点；

利用LLE或LTSA局部流形学习算法，分别计算xsuba/sub与训练数据集X中