18921.基于lssvm模型的高光譜影像分類的研究

1、中圖分類號UDC碩士學位論文學校代碼lQ53蘭密級公玨基于LSSVM模型的高光譜影像分類的研究ResearchonHyperspectralRemoteSensingImageClassificationbasedOilLSSVM作者姓名：學科專業(yè)：研究方向：郭學蘭測繪科學與技術攝影測量與遙感學院(系、所)：地球科學與信息物理學院指導教師：楊敏華教授中南大學年月基于LSSVM模型的高光譜影像分類的研究摘要：高光譜遙感以其“譜像合一“特性

2、較傳統(tǒng)多光譜遙感包含著更為豐富的光譜信息。但是由于高光譜影像包含的波段數(shù)眾多，且波段間隔密集，各個波段之間具有很強的相關性。從某個角度講，多而密集的波段數(shù)導致了數(shù)據(jù)冗余問題。同時，也為高光譜遙感信息獲取與精細分類帶來了挑戰(zhàn)和機遇。國內(nèi)外眾多學者在高光譜影像精細分類方面做了大量的研究工作，尤其是將支持向量機(SVM)應用于高光譜影像分類，取得了令人滿意的成果。本文將支持向量機的重要改進一一最小二乘支持向量機(LSSVM)應用于高光譜遙感分

3、類，完成的相關研究和主要工作如下：(1)根據(jù)最小二乘支持向量機的特性以及傳統(tǒng)的多類分類方法的缺點。提出了偏態(tài)二叉樹的最小二乘支持向量機的模型，并將其應用于高光譜遙感分類中。結果表明，該模型應用于高光譜遙感分類是有效、可行的，對分類精度和Kappa系數(shù)都有明顯改善。(2)針對高光譜影像波段多、數(shù)據(jù)量大的特點，提出一種基于波段子集的獨立分量分析0CA)特征提取的算法，并將其應用于高光譜分類中。實驗結果證實了ICA算法在高光譜特征提取方面的優(yōu)

4、越性。同時，該算法一定程度上抑制了圖像噪聲對分類精度的影響，分類精度明顯優(yōu)于其它特征提取算法。(3)由于高光譜影像波段眾多，并不是所有的波段對高光譜遙感分類都具有顯著貢獻。本文根據(jù)粒子群算法的較強優(yōu)化性，采用粒子群算法優(yōu)化最小二乘支持向量機的參數(shù)，二進制粒子群算法優(yōu)選高光譜影像的波段，并將該模型應用到高光譜遙感分類。結果表明，該模型對高光譜遙感總體分類精度和Kappa系數(shù)都有所改善。關鍵詞：高光譜；分類；最小二乘支持向量機；偏態(tài)二叉樹；