基于奇异值分解和邻域空间信息的高光谱影像分类方法

摘要

本发明公开一种基于奇异值分解和邻域空间信息的高光谱影像分类方法，步骤是：输入每一类的训练样本矩阵，并对训练样本矩阵进行奇异值分解，得到第j类训练样本对应的右奇异矩阵；对于训练样本矩阵中的数据，利用最小二乘方法计算其对应每一类别的残差，并比较该数据对应每个类别的残差大小，将其划分到最小残差对应的类别中；如此重复，得到每一个训练样本的类别，与其原有类别做对比，通过迭代比较，得到使训练样本的分类正确率最高的参数，再对测试样本矩阵中每个数据进行分类，输出分类结果矩阵。此种分类方法可提高分类精度，缩短分类时间，提升高光谱影像分类的自动化水平。