基于相關(guān)向量機(jī)的高光譜圖像分類算法研究.pdf

1、高光譜圖像是新型的遙感數(shù)據(jù)，憑借其較高的光譜分辨率，區(qū)分微小光譜差異地物的能力，且不需要任何先驗(yàn)光譜信息，因而具有較強(qiáng)的實(shí)用性，現(xiàn)已成為目標(biāo)檢測領(lǐng)域中的一個(gè)研究熱點(diǎn)，受到國內(nèi)外專家學(xué)者的高度重視。本文在深入分析高光譜圖像數(shù)據(jù)結(jié)構(gòu)及特點(diǎn)的基礎(chǔ)上，運(yùn)用一些圖像處理手段，針對傳統(tǒng)高光譜圖像分類算法中存在的分類精度不高、數(shù)據(jù)的冗余較大、容易產(chǎn)生Hughes現(xiàn)象等問題，做了以下三方面的研究：
　　 首先，根據(jù)支持向量機(jī)高光譜圖像分類算法的

2、數(shù)學(xué)理論，以及該算法存在的缺點(diǎn)，應(yīng)用相關(guān)向量機(jī)學(xué)習(xí)理論與高光譜圖像分類相結(jié)合，提出基于相關(guān)向量機(jī)的高光譜圖像分類算法。該算法可以有效地克服支持向量機(jī)存在的測試時(shí)間較長、支持向量個(gè)數(shù)過多、預(yù)測結(jié)果輸出不是概率性質(zhì)等問題。通過實(shí)驗(yàn)結(jié)果表明，相關(guān)向量機(jī)的高光譜圖像分類算法的優(yōu)點(diǎn)在于可以保證有較高的分類精度，并且降低了相關(guān)向量的應(yīng)用個(gè)數(shù)等。然而該算法也存在著訓(xùn)練時(shí)間過長，分類精度不如支持向量機(jī)高光譜圖像分類算法等缺點(diǎn)。
　　 其次，針對

3、相關(guān)向量機(jī)算法本身存在的不足，結(jié)合概率模型的計(jì)算特點(diǎn)，提出改進(jìn)型相關(guān)向量高光譜圖像分類算法。該算法在傳統(tǒng)概率模型中引入一個(gè)新的分布，使得計(jì)算復(fù)雜度較高的卷積可以近似的拆分成兩個(gè)較為簡單的對數(shù)和形式。實(shí)驗(yàn)結(jié)果表明，VRVM高光譜圖像分類算法的總體分類精度和相關(guān)向量的數(shù)量與RVM基本相同，且訓(xùn)練時(shí)間與測試時(shí)間均有所降低。
　　 最后，針對相關(guān)向量機(jī)高光譜圖像分類算法存在的缺點(diǎn)，結(jié)合核函數(shù)的特點(diǎn)以及在各個(gè)領(lǐng)域中的應(yīng)用，提出基于小波核函

4、數(shù)的兩種改進(jìn)方法：1、應(yīng)用小波核函數(shù)與核主成分分析相結(jié)合，對高光譜圖像數(shù)據(jù)進(jìn)行預(yù)處理。實(shí)驗(yàn)結(jié)果表明，該算法與傳統(tǒng)主成分分析的不同在于在降維的同時(shí)，可以有效地增加不同地物類別之間的距離，并且增大類間距離與類內(nèi)距離之比，最后將處理結(jié)果應(yīng)用于相關(guān)向量機(jī)高光譜圖像分類中，分類精度有所增加；2、應(yīng)用小波核函數(shù)代替相關(guān)向量機(jī)中的傳統(tǒng)核函數(shù)，提出基于小波核函數(shù)的相關(guān)向量機(jī)高光譜圖像分類算法。實(shí)驗(yàn)結(jié)果表明，該算法可以提高分類精度，并且小量降低訓(xùn)練時(shí)間。