基于分水嶺分割的高光譜圖像分類算法研究.pdf

1、ResearchontheHyperspectralImageClassificationAlgorithmsBasedonWatershedSegmentationAThesisSubmittedtoNanjingNormalUniversityFortheAcademicDegreeofMasterofEngineeringBySuShuSupervisedbyProfMingYangSchoolofComputerSciencea

2、ndTechnologyNanjingNormalUniversityMarch2015Abstract摘要高光譜圖像分類是高光譜圖像處理與分析的主要研究?jī)?nèi)容，在軍事監(jiān)視、環(huán)境監(jiān)測(cè)、礦物識(shí)別等領(lǐng)域有廣泛的應(yīng)用，因而倍受研究者的關(guān)注?；诠庾V信息的高光譜圖像分類算法因存在“同物異譜”和“異物同譜”現(xiàn)象難以改進(jìn)分類精度。為此研究者對(duì)結(jié)合光譜信息和空間信息的高光譜圖像分類算法進(jìn)行了深入研究，取得了可喜的進(jìn)展，但如何挖掘和利用空間信息仍需研究。

3、此外，獲得高光譜標(biāo)記數(shù)據(jù)代價(jià)高，如何有效利用高光譜圖像中的無標(biāo)記數(shù)據(jù)也需要進(jìn)行深入的研究。因此，本文圍繞高光譜圖像的空間信息挖掘與利用、無標(biāo)記數(shù)據(jù)的利用展開研究，主要研究工作如下。1提出了基于分水嶺分割和SVM的高光譜圖像分類算法(WSVM)。該算法對(duì)圖像進(jìn)行分水嶺分割并使用SVM對(duì)其分類；根據(jù)分割區(qū)域的情況采用兩種策略對(duì)SVM的分類結(jié)果進(jìn)行后處理：①若某區(qū)域中存在訓(xùn)練樣本且訓(xùn)練樣本屬于同一類別，則將該區(qū)域的所有點(diǎn)標(biāo)記為訓(xùn)練樣本所屬的類

4、別，②否則，利用SVM的結(jié)果進(jìn)行投票，將該區(qū)域中的所有樣本標(biāo)記為大多數(shù)樣本所屬的類別。為了驗(yàn)證本文算法的有效性，在兩個(gè)數(shù)據(jù)集：IndianPine和theUniversityofPavia(PU)上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文的算法優(yōu)于其它一些結(jié)合空間信息的高光譜圖像分類算法。2提出了兩個(gè)基于分水嶺分割和稀疏表示的高光譜圖像分類算法：1)基于分水嶺分割和聯(lián)合稀疏表示的高光譜圖像分類算法(WJSR)，該算法使用分水嶺對(duì)圖像進(jìn)行分割；根據(jù)區(qū)

5、域的情況采用兩種分類策略：①若某區(qū)域中存在已標(biāo)記樣本且標(biāo)記唯一，則將該區(qū)域的所有點(diǎn)標(biāo)記為已標(biāo)記樣本的類別，②否則，將該區(qū)域的所有點(diǎn)用聯(lián)合稀疏表示進(jìn)行分類；2)基于分水嶺分割和改進(jìn)的聯(lián)合稀疏表示的高光譜圖像分類算法(WUSR)，該算法使用分水嶺對(duì)圖像進(jìn)行分割；根據(jù)區(qū)域的情況采用兩種分類策略：①若某區(qū)域中存在己標(biāo)記樣本且標(biāo)記唯一，則將該區(qū)域的所有點(diǎn)標(biāo)記為已標(biāo)記樣本的類別，②否則，利用改進(jìn)的聯(lián)合稀疏表示模型(IJSR)求出該區(qū)域中每個(gè)點(diǎn)的稀疏

6、系數(shù)，并使用該區(qū)域中所有點(diǎn)的系數(shù)進(jìn)行聯(lián)合分類，其中IJSR是在已有的聯(lián)合稀疏模型中嵌入拉普拉斯項(xiàng)，從而可以更好地對(duì)邊界樣本進(jìn)行稀疏表示。在IndianPine和PU上的實(shí)驗(yàn)結(jié)果表明本文算法的性能優(yōu)于其它一些稀疏表示的高光譜圖像分類算法。3提出了基于分水嶺分割的半監(jiān)督分類算法(WSSC)。WSSC主要思路：①對(duì)圖像進(jìn)行分水嶺分割，在每個(gè)區(qū)域中，若存在已標(biāo)記樣本且標(biāo)記唯一，將區(qū)域中的所有樣本標(biāo)記為已標(biāo)記樣本的類別；②通過基于分水嶺分割的聯(lián)合