基于超像素和张量鲁棒主成分分析的高光谱图像分类方法

本发明涉及高光谱图像分类技术领域，具体涉及一种基于超像素和张量鲁棒主成分分析的高光谱图像分类方法，方法步骤如下：1、选用超像素分割算法对高光谱图像进行超像素分割，获得不规则的超像素分割图；2、从原始高光谱图像获取与超像素分割图对应的不同超像素区域的包络立方体，定义为超张量；3、构建基于超张量的局部邻域保持图；4、设立目标函数，引入辅助变量，并基于交替方向乘子法迭代求解原高光谱图像的低秩项、辅助项和噪声项；5、划分训练集，利用多类支持向量机算法对所得的低秩项进行分类，得到最终的分类结果。本发明通过减轻高光谱图像分类任务中冗余信息和噪声的影响获得更高的地物分类精度。