高-超光譜遙感數(shù)據(jù)降維算法研究.pdf

1、光譜遙感在對(duì)地觀測(cè)中得到了廣泛應(yīng)用。目前光譜儀的光譜分辨率已達(dá)到高光譜、超光譜水平，即波段寬度達(dá)到納米量級(jí)，這使得地物的精細(xì)分類以及大氣組分鑒別等應(yīng)用成為可能。但與此同時(shí)，高/超光譜的數(shù)據(jù)量呈現(xiàn)幾何級(jí)數(shù)增長(zhǎng)，并存在著各波段信噪比不同、波段間冗余性強(qiáng)以及維數(shù)災(zāi)難等問(wèn)題，導(dǎo)致光譜數(shù)據(jù)處理時(shí)運(yùn)算量大、分類效果不理想，因此需要進(jìn)行數(shù)據(jù)降維。目前傳統(tǒng)光譜降維算法的研究對(duì)象均為相對(duì)獨(dú)立的光譜數(shù)據(jù)，其數(shù)據(jù)維數(shù)一般為數(shù)百維。傳統(tǒng)降維算法對(duì)具有高光譜分辨

2、率、高空間分辨率以及高時(shí)間分辨率特征的“三高”光譜數(shù)據(jù)進(jìn)行降維時(shí)，會(huì)導(dǎo)致后續(xù)的光譜匹配及分類效果不夠理想。本文在對(duì)光譜數(shù)據(jù)的譜間、空間、時(shí)間相關(guān)性進(jìn)行研究的基礎(chǔ)上，提出了相應(yīng)的高/超光譜降維新方法。
　　首先，本文從光譜強(qiáng)度值的統(tǒng)計(jì)特性出發(fā)，提出了基于光譜穿越特征提取的超光譜降維匹配算法。給出了通過(guò)統(tǒng)計(jì)等間距水平線與光譜曲線交點(diǎn)數(shù)來(lái)得到光譜穿越特征向量的具體步驟，利用超光譜的高光譜分辨率優(yōu)勢(shì)以及譜間相關(guān)性提高了算法的抗噪性能以及魯

3、棒性。降維后的低維穿越特征向量可代替原始超光譜進(jìn)行光譜匹配，實(shí)驗(yàn)結(jié)果表明本文所提出的算法在保證了匹配成功率的前提下，與傳統(tǒng)的歐式距離匹配相比節(jié)省了98％的運(yùn)算時(shí)間。
　　其次，本文利用高光譜圖像中的空間相關(guān)性，提出了基于魯棒空間信息的局部線性嵌入高光譜圖像降維分類算法。該算法使用空間光譜距離代替像元光譜距離實(shí)現(xiàn)了空間信息的引入；再通過(guò)空間鄰域排序避免空間信息由于幾何變換而帶來(lái)的影響，利用空間鄰域篩選來(lái)剔除空間信息中噪聲、異常像元的

4、干擾。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的局部線性嵌入降維算法，本文提出的改進(jìn)算法提高了5.4%-12.8%的分類精度。
　　最后，本文將機(jī)器學(xué)習(xí)領(lǐng)域中的深度學(xué)習(xí)算法引入到光譜數(shù)據(jù)處理中，對(duì)時(shí)間序列光譜的降維與分類進(jìn)行了探索與研究。通過(guò)深度信念網(wǎng)絡(luò)和分類器對(duì)單條光譜進(jìn)行數(shù)據(jù)降維和分類；然后基于時(shí)間相關(guān)性提出了加權(quán)多數(shù)決策融合方案用于時(shí)間序列光譜的分類。實(shí)驗(yàn)結(jié)果表明該方法相對(duì)于支持向量機(jī)分類，精度提高了7%，同時(shí)也優(yōu)于其他線性及非線性降維分類