买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明公开了一种基于过完备深度低秩子空间聚类的高光谱图像波段选择方法，通过对网络模型参数初始化，输入高光谱立方体和选择的波段数；划分训练样本，训练网络，计算损失函数，通过反向传播更新网络参数；保存网络参数，计算相似性图，利用谱聚类得到聚类结果，选择离聚类中心最近的波段作为最优波段子集；通过支持向量机SVM进行分类并评价分类结果。采用过完备表示和不完全表示的深度卷积自动编码器网络进行特征融合，提取更有意义和更丰富的光谱空间信息，用低秩表示获得更加鲁棒的亲和力矩阵来执行子空间聚类，提高子空间聚类的性能和确保准确选取信息波段子集。

主权项：1.一种基于过完备深度低秩子空间聚类的高光谱图像波段选择方法，其特征在于包括：根据高光谱图像的特性构建以卷积自动编码器为基础的深度学习网络模型，其中该模型包括通用编码器、过完备编码器、自表达层、子空间聚类和解码器；在自表达层加入低秩约束并初始化深度学习网络模型；将高光谱波段图像和选择的波段子集数输入至该深度学习网络模型中，计算深度学习网络模型的损失函数，通过反向传播更新该模型参数直到达到最大训练次数停止训练，从而获得自表达系数矩阵；根据自表达系数矩阵构造亲和矩阵，采用谱聚类方式得到聚类结果，根据该聚类结果获得高光谱图像每个类别中的平均波段；将所述平均波段作为聚类中心，计算每个波段到聚类中心的距离，其中离聚类中心最近的波段为所选择的波段子集；采用深度学习网络模型的损失函数求解自表达系数矩阵和亲和力矩阵方式为：设为N×M像素和b波段的原始三维高光谱立方体，波段选择的目标是选择一个波段子集 编码器表示为一个函数z＝Ex；θe，其中x为输入，θe为参数，z为潜在表示，解码器定义为其中潜在表示z作为解码器的输入，利用均方误差作为卷积自动编码器的损失函数： 将自表达层嵌入到卷积自动编码器中，假设高光谱b个波段图像位于k个子空间并集S中，即S＝S1∪S2...∪Sk，表示在全空间S中，有k个子空间，维数为并满足d1+d2+···+dk＝b，则该假设表达式为：Min||C||ps.tZ＝ZC,diagC＝0其中表示编码器的输出或者潜在矩阵，表示自表达系数矩阵，diagC＝0约束C对角元素为0；在该假设表达式中加入L2-范数，优化问题重写为： 其中λ是平衡系数，用来平衡两项，深度学习网络模型的损失函数为： 其中X是输入波段图像的张量形式，表示重建的波段图像，α是自表达系数项的系数，通过模型训练得到自表达系数矩阵C；由自表达系数矩阵构造亲和力矩阵为：A＝|C|+|C|T其中A是相似性图。

全文数据：

权利要求：

百度查询： 大连海事大学 基于过完备深度低秩子空间聚类的高光谱图像波段选择方法