結合空間信息與光譜信息的高光譜圖像分類研究.pdf

1、隨著成像光譜技術的發(fā)展,高光譜遙感技術在眾多領域得到了發(fā)展和應用。高光譜遙感技術將傳統(tǒng)圖像空間維和光譜維融合到一起,具有豐富的地物光譜信息,因而高光譜圖像地物分類成了高光譜數(shù)據(jù)處理的重要內(nèi)容?，F(xiàn)有的高光譜圖像分類模型大部分在分類中只考慮了光譜特征信息,忽視了空間信息在分類中的重要作用。本文從提高圖像分類精度出發(fā),研究空間特征信息與光譜特征信息相結合的高光譜圖像分類算法。主要研究內(nèi)容如下:
　　首先,闡述了高光譜圖像在遙感技術領域的

2、重要作用,分析高光譜圖像的成像理論及其數(shù)據(jù)特點,研究了現(xiàn)有高光譜分類方法,說明了課題研究背景及意義。
　　其次,介紹了高光譜圖像數(shù)據(jù)特征提取方式及分類器的選擇。在特征提取階段,主要討論光譜特征和空間特征的提取方式。通過仿真實驗,分析比較主成分分析、無參數(shù)加權特征提取、灰度共生矩陣及小波變換特征提取方式在高光譜圖像分類中各自具有的優(yōu)勢和弊端。分類器選擇階段,將支持向量機與傳統(tǒng)的監(jiān)督分類方法相比較,選擇分類效果好的最小二乘支持向量機作

3、為本文的高光譜圖像分類模型。
　　再次,研究光譜信息與空間信息相結合的高光譜分類方法。研究通過Gabor濾波器組提取空間紋理特征,并利用組合核函數(shù)融合圖像紋理特征和光譜特征,將新的組合特征用最小二乘支持向量機分類模型分類,提升了圖像分類精度。并且針對分類結果中“噪聲”像元存在的現(xiàn)象,利用鄰域修正的方式進一步改善分類結果,消除“噪聲”像元。
　　最后,針對高光譜圖像分類模型側(cè)重于單像元的光譜特征、空間特征提取利用,忽視圖像相鄰