基于互斥性标签K‑SVD及多尺度稀疏的高光谱图像分类方法

摘要

本发明公开了一种基于互斥性标签K‑SVD及多尺度稀疏的高光谱图像分类方法。将高光谱三维图像转换为二维矩阵，对每一类样本按照相同比例提取像素作为训练样本，剩余为测试样本，对训练样本进行逐类扩展及标签转换，依据扩展后的训练样本和目标字典构建互斥标签项，变形后进行K‑SVD字典学习，为测试样本建立多尺度邻域并获得稀疏编码，根据最小重构误差确定像素类别完成分类。该方法通过字典模型的创新构建对样本及字典原子进行了拓展，突破了原始字典学习对训练样本数目的依赖，解决了小样本问题和样本不均衡问题；同时将前期字典学习与后期多尺度邻域编码进行结合，使得两种算法的优势得到最大限度的发挥，实现了高光谱图像分类的高精度定量分析。