基于空譜結(jié)構(gòu)性挖掘的高光譜圖像分類(lèi)方法研究.pdf

1、傳統(tǒng)的高光譜圖像分類(lèi)方法大都僅考慮高光譜圖像數(shù)據(jù)的光譜特征進(jìn)行分類(lèi)，然而隨著高光譜成像技術(shù)的飛速發(fā)展，所獲的影像數(shù)據(jù)的空間分辨率和譜間分辨率都有顯著提高，使得空間信息的利用變?yōu)榭赡?。高光譜數(shù)據(jù)本身除了光譜特征以外也包含了豐富的空間結(jié)構(gòu)特征，而且由于空間分辨率的提高，像素間的關(guān)系更強(qiáng)，混疊現(xiàn)象也較為嚴(yán)重造成了混合像元的存在，不同類(lèi)的樣本之間光譜信息也較為相似，僅利用光譜信息的分類(lèi)很難達(dá)到較為理想的結(jié)果。本文同時(shí)挖掘高光譜圖像的空間信息和光

2、譜信息來(lái)進(jìn)行圖像分類(lèi)，提出了幾種基于空-譜聯(lián)合的高光譜圖像分類(lèi)算法，主要工作總結(jié)如下：
　　1.提出了一種基于空-譜稀疏性的高光譜圖像分類(lèi)算法。在對(duì)高光譜數(shù)據(jù)進(jìn)行稀疏性分析的基礎(chǔ)上，利用超像素的方法挖掘數(shù)據(jù)的空間信息，采用稀疏編碼的方法挖掘數(shù)據(jù)的光譜信息，結(jié)合超像素間的空間近鄰關(guān)系設(shè)計(jì)了基于空-譜稀疏性的高光譜圖像分類(lèi)算法。該方法一方面可以大量減少樣本數(shù)量，另一方面可以降低混合像元的影響，減少椒鹽狀的錯(cuò)分，獲得區(qū)域一致性更好的分類(lèi)

3、結(jié)果。在經(jīng)常用到的實(shí)際的高光譜數(shù)據(jù)集（AVIRIS衛(wèi)星）上進(jìn)行仿真，并將結(jié)果與一些經(jīng)典的方法進(jìn)行比較，結(jié)果表明，本章提出的基于空-譜稀疏性的高光譜圖像分類(lèi)算法在區(qū)域一致性和分類(lèi)精度上均具有明顯優(yōu)勢(shì)，且具有較好的算法魯棒性；
　　2.提出了一種基于空-譜核低秩表示的高光譜圖像分類(lèi)算法，利用低秩表示挖掘數(shù)據(jù)的全局結(jié)構(gòu)信息，利用圖像的區(qū)域局部一致性挖掘數(shù)據(jù)的空間信息。考慮到實(shí)際的光譜數(shù)據(jù)很難滿(mǎn)足嚴(yán)格的低秩結(jié)構(gòu)，將超像素塊進(jìn)行核映射后在高

4、維的投影空間挖掘數(shù)據(jù)的低秩結(jié)構(gòu)信息；在半監(jiān)督圖的基礎(chǔ)上構(gòu)造樣本空-譜核低秩表示的關(guān)系，實(shí)現(xiàn)較少標(biāo)記樣本情況下的精確分類(lèi)。在經(jīng)常用到的實(shí)際的高光譜數(shù)據(jù)集（AVIRIS衛(wèi)星）上進(jìn)行仿真，并將結(jié)果與一些經(jīng)典的方法進(jìn)行比較，結(jié)果表明，本章提出的基于空-譜核低秩表示的高光譜圖像分類(lèi)算法在標(biāo)記樣本數(shù)較少的情況下比其他方法精度高，且算法的區(qū)域一致性也較其他方法更好；
　　3.設(shè)計(jì)了一種基于空-譜稀疏張量的高光譜圖像分類(lèi)算法。高光譜圖像是一種天然

5、的多維數(shù)據(jù)，在張量的形式下更利用空-譜信息的挖掘。在稀疏編碼理論的基礎(chǔ)上，同時(shí)考慮高光譜圖像的空間一致性，將數(shù)據(jù)的空域信息與光譜信息相結(jié)合，推廣到高光譜數(shù)據(jù)的張量表示上，提出了一種基于空-譜聯(lián)合的張量稀疏編碼算法，用于高光譜數(shù)據(jù)的分類(lèi)。在實(shí)際的高光譜數(shù)據(jù)集上進(jìn)行仿真將結(jié)果與一些經(jīng)典的稀疏編碼的算法進(jìn)行比較，結(jié)果表明，本章提出的基于空-譜聯(lián)合稀疏張量的高光譜圖像分類(lèi)算法比其他方法分類(lèi)速度有很大的提高，同時(shí)也可以保證較高的分類(lèi)精度，而且分類(lèi)