第36卷，第9期 2016年9月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.36,No.9,pp2919-2924
September,2016
来图
王彩玲1.2，王洪伟3，胡炳棵1，温佳4，徐君5，李湘卷2 1.中国科学院西安光学精密机械研究所光学成像重点实验室，陕西西安710119 2.西安石油大学计算机学院，陕西西安710065
3.中国人民武装警察部队工程大学，陕西西安710086
4.申国科学院软件研究所，北京100080 5。华东交通大学信息工程学院，江西南吕
330013
摘要传统的高光谱遥感影像分类算法侧重于光谱信息的应用，随若高光谱遥感影像的空间分辨率的增加，高光谱影像中相同类别的地物在空间分布上呈现聚类特性，将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是，高光谱影像的高分辨率提供空间聚类特性的同时，在不同地物边缘处表现出的差异性更加明显，若不对空间邻域像素进行甄选，直接将邻域光谱信息引人，设计空谱联合稀疏表示进行图像分割，则分类误差较大，收敛速度大大降低，将光谱角引人空谱联合稀蔬表示图像分类理论中，提出了一种基于邻域分制的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度，剥离相似度较低的邻域像素，将相似度高的邻域像素定义为同类地物，引人空谱联合稀疏表示模型中，采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解，以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真，从中可以看出，随着光谱角分制阔值的提高，复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高，表明邻域分割在空谱联合稀疏表示分类中的必要性，
关键词高光谱影像处理；稀疏表示；邻域聚类，邻域分制；最小重构误差
中图分类号：TP751.1
引言
文献标识码：A
D0l: 10. 3964/j. issn. 10000593(2016)09-2919-06
谱联合稀蔬表示高光谱影像分类模型。然而，高光谱影像的高分辨率提供空间聚类特性但在不同地物边缘则表现出差异性更加明显，若不对空间邻域像素进行甄选，直接将邻域光
基于光谱成像的遥感探测技术可以同时获取观测区域的
空间信息和光谱信息，这便得高光谱通感已经成为通感领域的重要分支1。高光谱图像分类技术研究作为高光谱遥感影像应用的一个重要方向，国内外学者积极开展了相关算法研究。遥感领域的学者已经证明了高光谱影像在光谱域满足稀疏性条件-，并提出了利用稀疏表示（sparserepresenta tion，SR)模型解决高光谱影像的分类问题-。随着高光谱影像的空间分辨率的提高，在高光谱图像中，相同类别的地物在空间分布上呈现聚类特性。即相邻的地物属于同一类别的概率较大7，文献8提出将空间信息与光谱信息相结合，实现基于稀疏表达的高光谱影像分类，形成了拉普拉斯平滑算子空谱联合稀疏表示高光谱影像分类模型、自回归模型空
收稿日期：2015-03-18，修订日期：2015-07-04
谱信息引人空谱联合稀疏表示进行图像分类，则会由于异类物质引人，导致联合稀疏表示模型收敛速度降低，分类误差增大。
将光谱角引人空谱联合稀疏表示图像分类理论中，利用
计算光谱角获取相邻像素的空间相似度，剥离相似度较低的邻域像素，将剩余像素应用于空谱联合稀疏表示模型进行高光谱影像分类。具体的，首先计算待分类像素与相邻像素的光谱角，对光谱角进行二值化处理，并以其二值化结果为权重系数计人空谱联合稀疏表达模型中，进行高光谱影像分类。该方法别除了光谱向量差异较大的相邻像素，降低了异类光谱对联合稀疏表示模型的影响，进一步提高了空谱联合稀疏表示分类精度。
基金项目：国家自然科学基金项目（41301382，41301480，61401439），教育部人文社会科学研究青年基金项目（14YJCZH172)和西安石油大
学创新基金项目（YS29031606)资助
作者简介：王彩玲，女，1984年生，西安石油大学计算机学院讲师
e-mail : azering@ 163. com