高光譜圖像半監(jiān)督分類算法研究.pdf

1、近年來遙感技術發(fā)展十分迅速，高光譜圖像得到了廣泛地研究與應用。圖像分類是高光譜數(shù)據分析處理的一項基本內容。但是高光譜圖像高維的數(shù)據特點、有限的帶標簽樣本給數(shù)據分析和處理帶來很大的困難，在分類過程中容易引起維數(shù)災難。并且，獲得有標簽樣本需要大量人力物力，傳統(tǒng)的監(jiān)督分類方法表現(xiàn)出了很大的局限性。因此，同時利用有標簽樣本和無標簽樣本來訓練分類器的半監(jiān)督方法成為高光譜圖像分類研究的熱點。半監(jiān)督分類需要充分利用無標簽樣本所包含的光譜和空間信息來訓

2、練推廣能力好、分類精度高的分類器。三重訓練和自訓練是兩種常用的半監(jiān)督分類算法。對于三重訓練算法，在初始訓練樣本很少的情況下，所訓練的三個分類器之間沒有明顯的差異性，這制約著算法分類精度的提高。對于傳統(tǒng)自訓練算法，在對無標簽樣本進行標記的過程中容易發(fā)生誤標現(xiàn)象，導致算法性能下降。基于以上問題，本文在前人研究的基礎上對高光譜圖像半監(jiān)督分類做了深入的研究與探索，分別對三重訓練和自訓練分類算法進行了改進。本文的主要工作如下：
　　1、提出

3、基于主動學習和差分進化算法的三重訓練分類。在所提算法框架中首先通過主動學習算法選取一定量的最有價值的無標簽樣本，然后在訓練每個分類器之前通過差分進化算法在所選取的無標簽樣本的基礎上產生新樣本。這些新產生的樣本將被標記并與原來的有標簽樣本一起初始化分類器。實驗結果表明，該方法可以充分地利用無標簽樣本，并且在有標簽數(shù)據很少的情況下能夠明顯提高分類精度和運行效率。
　　2、提出基于空間-光譜聚類的半監(jiān)督分類。該方法首先通過Gabor濾波

4、提取空間信息并將其與光譜信息結合，然后利用主動學習算法選取一定數(shù)目的最有價值的無標簽樣本作為可能加入訓練集的候選樣本。在對無標簽樣本進行標記的過程中借助了自訓練過程，采用基于概率模型的支持向量機與聚類算法相結合的方式，并且在譜聚類中引入了空間幾何信息。同時由于支持向量機的概率輸出形式可以提供任一像元屬于某一類別的概率，算法通過設置一個概率閾值將基于概率模型的支持向量機與聚類算法結合，來標記無標簽樣本。仿真結果表明，所提出的算法可以對無標