結(jié)合空間信息的高光譜遙感圖像分類方法研究.pdf

1、高光譜遙感技術(shù)在遙感科學中占有十分重要的地位，是現(xiàn)代遙感科學發(fā)展的前沿領(lǐng)域。它利用成百上千的波長范圍從可見光到紅外線的電磁波波段從我們感興趣的物體中獲取有用的信息。高光譜圖像中的每一個像素點可以表示為一個光譜維向量，構(gòu)成這個向量的的各個分量與高光譜圖像的各個波段相對應。不同的地物通常對相同波長電磁波的反射存在差異，這樣就可以利用豐富的光譜信息對不同的地物加以區(qū)分。高光譜遙感系統(tǒng)已經(jīng)在農(nóng)業(yè)、軍事和礦物學等諸多領(lǐng)域得到了廣泛的應用。相較于傳

2、統(tǒng)的多光譜遙感圖像而言，高光譜遙感圖像在光譜分辨率方面有了很大提高，承載地物信息量非常大，這很大程度上提高了其在地物類別方面的區(qū)分能力，可以對地物的光譜信息進行精確分析與處理。但是高光譜圖像具有的波段數(shù)目一般很大，導致其數(shù)據(jù)維度較高且圖像中往往混有不同程度噪聲。如何從高光譜數(shù)據(jù)繁雜的信息中準確快速地挖掘出對分類有利的特征信息，提高圖像的分類精度，仍是一個棘手的問題。現(xiàn)有的大部分高光譜分類模型都只考慮了光譜信息，而沒有對圖像的空間信息加以

3、利用。本文在現(xiàn)有算法分析的基礎(chǔ)上，以提高圖像分類精度為出發(fā)點，充分利用高光譜數(shù)據(jù)的特征，對高光譜圖像的分類算法進行了深入研究。
　　本文提出了一種結(jié)合上下文信息的高光譜圖像聯(lián)合稀疏分類模型。由于高光譜圖像中一個圖像塊包含的光譜向量通常都具有很高的相關(guān)性，如果把這個圖像塊展開成一個矩陣，這個矩陣就存在一個潛在的低秩結(jié)構(gòu)，可以采用低秩分解將它分解為一個低秩矩陣、稀疏矩陣與噪聲矩陣的和。通過分析分解后得到的低秩矩陣，就可以找到與中心像素