基于核學(xué)習(xí)的高光譜圖像精細(xì)分類技術(shù).pdf

1、高光譜遙感圖像因其精細(xì)的光譜分辨能力而廣泛應(yīng)用于地物分類及目標(biāo)探測(cè)等領(lǐng)域。然而,高光譜成像光譜儀在獲得大量精細(xì)光譜的同時(shí),必然會(huì)使空間分辨率降低。盡管近年來(lái)隨著遙感技術(shù)的發(fā)展,高光譜圖像的空間分辨率顯著提高,但相比于其他光學(xué)遙感,高光譜遙感的主要問(wèn)題依舊是較低的空間分辨率和由此而引發(fā)的混合像元問(wèn)題。另外,高光譜圖像較高的數(shù)據(jù)維度也為地物目標(biāo)的精細(xì)分類帶來(lái)一定困難,傳統(tǒng)統(tǒng)計(jì)模式識(shí)別方法在高光譜遙感領(lǐng)域通常效果不佳。針對(duì)以上問(wèn)題,本文從高光

2、譜圖像光譜與空間特性入手,以具有高效分類性能的核學(xué)習(xí)機(jī)為載體,研究對(duì)地物的精細(xì)分類技術(shù)。
　　由于高光譜圖像的空間分辨率相對(duì)較低,一個(gè)像元內(nèi)可能包含兩種或兩種以上的地物類型,而通常所用的硬分類方法是對(duì)圖像進(jìn)行像元級(jí)處理,以像元為單位,將每一像元?dú)w為一種地物類型,因此所得結(jié)果并不準(zhǔn)確。為了區(qū)分并確定各種物質(zhì)在像元中所占的比例,本文研究一種軟分類方法,即光譜解混技術(shù)。本文首先分析并比較幾種典型的非監(jiān)督端元提取方法,而后提出一種基于概率

3、輸出型支持向量機(jī)的監(jiān)督提取方法,實(shí)驗(yàn)證明與前者相比,后者對(duì)端元信息的提取更加準(zhǔn)確。在端元提取的基礎(chǔ)上,本文研究利用線性光譜混合模型進(jìn)行地物豐度反演的方法,由此獲得地物的精確類別信息。
　　核學(xué)習(xí)方法由于其在高維空間中處理非線性模式分類問(wèn)題時(shí)表現(xiàn)出的高效性與魯棒性,被廣泛應(yīng)用于高光譜圖像分類與識(shí)別中。本文首先從理論方面分析核學(xué)習(xí)方法的一般表述形式及特性,在此基礎(chǔ)上,重點(diǎn)研究幾種典型高效的核學(xué)習(xí)算法,為地物的精細(xì)分類提供技術(shù)支撐。

4、r>　　雖然核方法在高光譜圖像分類上有著突出的優(yōu)勢(shì),然而該方法及一些傳統(tǒng)的高光譜圖像分類方法都只利用了圖像的光譜信息,而忽略了圖像像素空間上的關(guān)聯(lián)信息,因此分類結(jié)果并不精確。本文考慮利用空間特征對(duì)光譜特征進(jìn)行補(bǔ)充,研究一種基于灰度共生矩陣的高光譜圖像空間特征提取方法,在此基礎(chǔ)上利用核分類器和一定的融合策略進(jìn)行空譜聯(lián)合特征分類。針對(duì)多特征融合問(wèn)題,本文提出一種基于多分類器的決策級(jí)融合算法和一種核層面的特征級(jí)融合算法,驗(yàn)證了空譜特征聯(lián)合在信