基于多核學(xué)習(xí)的多-高光譜圖像與激光雷達(dá)數(shù)據(jù)聯(lián)合分類研究.pdf

1、遙感多/高光譜圖像能夠提供地物對象豐富的光譜信息;激光雷達(dá)數(shù)據(jù)則能夠提供觀測對象的高程分布信息。當(dāng)面對地物分類問題時(shí),上述兩種數(shù)據(jù)源在信息上的良好互補(bǔ)性顯示出巨大的聯(lián)合應(yīng)用前景,同時(shí)來自不同源的數(shù)據(jù)也為聯(lián)合使用的技術(shù)手段提出一定挑戰(zhàn)。本文從光譜圖像與激光雷達(dá)數(shù)據(jù)的特點(diǎn)入手,研究多核學(xué)習(xí)方法在聯(lián)合利用多/高光譜圖像與激光雷達(dá)數(shù)據(jù)進(jìn)行地物分類方面的應(yīng)用,以期更有效的綜合利用上述兩類數(shù)據(jù)源,實(shí)現(xiàn)更好的分類效果。
　　本文的主要工作是研究

2、以多核學(xué)習(xí)為理論基礎(chǔ)的多/高光譜圖像與激光雷達(dá)數(shù)據(jù)聯(lián)合分類,具體包括以下三個(gè)方面:
　　首先,本文介紹了多/高光譜圖像和激光雷達(dá)數(shù)據(jù)的各自傳感源工作機(jī)理和數(shù)據(jù)特點(diǎn)。接著對相應(yīng)的數(shù)據(jù)進(jìn)行了去噪、柵格化、配準(zhǔn)等處理,為兩類數(shù)據(jù)的聯(lián)合使用鋪平道路。然后從更全面的挖掘兩類數(shù)據(jù)中蘊(yùn)含信息的角度出發(fā),本文利用相應(yīng)的算法提取得到光譜、植被指數(shù)、歸一化數(shù)字表面模型、形態(tài)學(xué)特征、激光雷達(dá)強(qiáng)度、激光雷達(dá)二次回波數(shù)字表面模型等特征。
　　其次,本

3、文在回顧了核機(jī)器學(xué)習(xí)的基本原理與實(shí)現(xiàn)方式的基礎(chǔ)上,根據(jù)在聯(lián)合利用光譜圖像與激光雷達(dá)數(shù)據(jù)時(shí)所面臨異源異構(gòu)特征的實(shí)際情況,建立了一種在尺度維和特征維兩個(gè)層面下的多核學(xué)習(xí)模型。通過使用不同的準(zhǔn)則在尺度維和特征維分別進(jìn)行多核優(yōu)化求解,得到了具有較高分類性能的多核學(xué)習(xí)分類器。實(shí)驗(yàn)部分驗(yàn)證了所提出的多核方法在聯(lián)合使用光譜圖像與激光雷達(dá)數(shù)據(jù)分類時(shí)的有效性。
　　最后,針對兩類源數(shù)據(jù)提供的豐富特征情況下標(biāo)簽訓(xùn)練樣本不足的問題,本文首先對圖連接權(quán)值