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