科创中国

       本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特 征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种 方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性， 进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表 示分类算法避免了优化求解的耗时性， 同时克服了高维特征空间下数据的线性不可分性。 算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取， 并通过核变换方法将新特征字典投影到高维的线性核特征空间， 最后利用核化协同表示算法的高效性对高光谱图像进行分类。

高光谱图像中含有丰富的光谱信息和空间信息，可以实现对地物精确辨别与细节提取。由于高光谱图像独有的特点， 高光谱遥感技术已经广泛的应用在不同的领域。在民用领域， 高光谱遥感影像已经被用于城市环境监测、地表土壤监测、地质勘探、灾害评估、 农业产量估计、农作物分析等方面。该成果方法较好的保证了分类精度和采用形态学特征 提取方法较好的保证了分类结果的空间表现。

相关成果：软件与论文， 已有成型代码。基于联合稀疏表示与形态学特征提取的高光谱图像分类。 《激光与光电子学进展》，2016,53:082801-1-8