基于函數(shù)型數(shù)據(jù)分析的高光譜圖像分類研究.pdf

1、高光譜圖像分類是遙感領(lǐng)域中的研究熱點(diǎn)，極具挑戰(zhàn)性，該研究具有重要的理論價(jià)值和廣闊的應(yīng)用前景。高光譜圖像數(shù)據(jù)通常具有上百個(gè)光譜波段，提供了豐富的光譜信息，但是其所具有的高維、強(qiáng)相關(guān)和冗余性等特征，給傳統(tǒng)的圖像分類方法帶來(lái)了極大困難。本文在對(duì)高光譜圖像特性探索基礎(chǔ)上，引入函數(shù)型數(shù)據(jù)分析方法，將高光譜圖像像元表示為函數(shù)型數(shù)據(jù)，從函數(shù)分析層面及角度建模，進(jìn)而實(shí)現(xiàn)高效魯棒的高光譜圖像分類。本文的主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)可以概括為：
　　1.高光

2、譜圖像像元具有連續(xù)的光譜曲線，呈現(xiàn)出明顯的函數(shù)型數(shù)據(jù)特征，本文創(chuàng)新性地利用函數(shù)型數(shù)據(jù)分析方法建立了一種有效的高光譜圖像像元的函數(shù)型數(shù)據(jù)表示模型。該模型可以更充分地利用高光譜圖像豐富的光譜信息，有效融合蘊(yùn)含在按順序排列的波長(zhǎng)內(nèi)部信息，更好地揭示高光譜圖像數(shù)據(jù)的內(nèi)在本質(zhì)特征。同時(shí)，高光譜圖像數(shù)據(jù)間相關(guān)性強(qiáng)和冗余度高的問(wèn)題也可以通過(guò)此手段得到很好的解決。
　　2.設(shè)計(jì)了一種基于函數(shù)型主成分分析的高光譜圖像分類算法。函數(shù)型主成分分析方法通

3、過(guò)求解協(xié)方差函數(shù)的特征分析問(wèn)題獲得函數(shù)主成分。與多元分析框架中的傳統(tǒng)高光譜圖像分類算法相比，該算法充分利用了高光譜圖像光譜信息豐富的優(yōu)勢(shì)，有效利用了其高維數(shù)和強(qiáng)相關(guān)性。在常用高光譜圖像數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，相較于其它幾種代表性的高光譜圖像分類算法，該算法在分類精度上具有很大的優(yōu)勢(shì)。同時(shí)，與標(biāo)準(zhǔn)支持向量機(jī)算法相比，該算法在計(jì)算效率上也有極大的提高。
　　3.為了更好地反映光譜曲線的局部結(jié)構(gòu)特征，利用小波變換多分辨分析和時(shí)頻局域化的

4、特點(diǎn)，提出了一種基于函數(shù)型數(shù)據(jù)小波變換的高光譜圖像分類算法。針對(duì)建立的高光譜圖像像元的函數(shù)型數(shù)據(jù)表示模型，采用三次B-樣條小波進(jìn)行小波分解，獲取相應(yīng)的小波分解系數(shù)，達(dá)到深入挖掘光譜曲線局部結(jié)構(gòu)特征的目的。將所提算法應(yīng)用于標(biāo)準(zhǔn)高光譜圖像數(shù)據(jù)庫(kù)，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
　　4.為了更好地表征光譜曲線反射峰值和反射強(qiáng)度變化率的特點(diǎn)，并充分利用高光譜圖像的空間信息，構(gòu)造了一種結(jié)合導(dǎo)函數(shù)及空間信息的高光譜圖像分類算法。將導(dǎo)函數(shù)信息與