面向大規(guī)模高光譜數(shù)據(jù)的半監(jiān)督地物分類方法.pdf

1、高光譜遙感技術(shù)的快速發(fā)展，為地物的精確分類帶來契機。對于高光譜數(shù)據(jù)而言，無監(jiān)督分類方法不能獲得很好的分類效果，而監(jiān)督分類方法由于在獲取標(biāo)記樣本時耗費人力物力，使得分類器泛化能力不強。因此，能夠同時利用少量標(biāo)記樣本以及大量未標(biāo)記樣本的半監(jiān)督方法成為研究的熱點，其中基于圖的半監(jiān)督方法由于能通過圖有效的反映數(shù)據(jù)之間的信息，逼近數(shù)據(jù)之間的流形結(jié)構(gòu)而受到廣泛關(guān)注。然而，高光譜的高特征維度和數(shù)據(jù)規(guī)模，使得傳統(tǒng)基于圖的算法承受巨大的計算和存儲壓力。本

2、文為了解決該問題，提出了幾種以錨點圖正則為核心的面向大規(guī)模高光譜數(shù)據(jù)的半監(jiān)督地物分類方法：
　?。?）提出一種基于模糊錨點圖正則的高光譜圖像分類算法，選取數(shù)目遠小于樣本總數(shù)的錨點用于標(biāo)簽預(yù)測，能夠有效減輕傳統(tǒng)基于圖的半監(jiān)督算法中由于高光譜數(shù)據(jù)規(guī)模巨大而帶來的計算和存儲問題。首先，通過基于空間近鄰加權(quán)值的核模糊 C均值聚類選取錨點并得到隸屬度矩陣，然后計算交叉相似度矩陣，并利用該矩陣構(gòu)建模糊錨點圖正則，通過優(yōu)化求解目標(biāo)函數(shù)，得到錨點

3、的標(biāo)簽，最后根據(jù)線性關(guān)系計算未標(biāo)記樣本的標(biāo)記。根據(jù)實驗仿真，與一些經(jīng)典的高光譜圖像分類算法進行比較，可以看出本章算法與其它算法相比具有較好的分類效果。
　?。?）提出一種基于局部模糊錨點圖正則和松弛聚類的高光譜圖像分類算法，在上一章算法的基礎(chǔ)之上，利用交叉相似度矩陣對高光譜數(shù)據(jù)進行聚類與空間分割，將圖像分割成為一系列的超像素，將每個超像素與周圍的超像素聯(lián)合起來組成超像素集，計算超像素集中樣本之間的相似度，將其用于構(gòu)建局部模糊錨點圖

4、正則，并引入松弛聚類假設(shè)，減小混合像元對分類精度帶來的負(fù)面影響，之后對每個超像素集迭代計算錨點標(biāo)簽和樣本屬于各個類別的概率向量，使用迭代得到錨點的標(biāo)簽對超像素中樣本的進行標(biāo)簽預(yù)測。在實際高光譜數(shù)據(jù)上進行仿真，可以看出本章算法具有明顯的優(yōu)勢，分類效果更好，具有空間局部一致性。
　?。?）提出一種基于模糊錨點圖正則的高光譜分類算法分布式實現(xiàn)，首先采用隨機采樣和規(guī)則采樣對數(shù)據(jù)進行分配，并發(fā)送給各個子系統(tǒng)，接著使用分布式基于空間近鄰加權(quán)的