基于子空間學(xué)習(xí)的高光譜影像地物分類.pdf

1、近年來，隨著遙感技術(shù)的迅猛發(fā)展，人們可以獲取大量的高光譜影像數(shù)據(jù)，高光譜影像數(shù)據(jù)能夠同時(shí)獲取地物的光譜特征信息和空間特征信息，可對地物進(jìn)行精細(xì)分類。高光譜影像數(shù)據(jù)中光譜信息和空間信息很豐富，但樣本維數(shù)很高，波段間信息冗余，數(shù)據(jù)海量，但有標(biāo)記的樣本數(shù)量很少。針對以上問題，本文進(jìn)行較為深入研究，成果如下：
　　1.提出了一種基于子空間學(xué)習(xí)和稀疏編碼的高光譜影像地物分類方法。該算法把高光譜影像數(shù)據(jù)投影到低維子空間和組稀疏編碼集成到統(tǒng)一框

2、架內(nèi)，這樣可以保證投影子空間是最優(yōu)的，并且引入這一反應(yīng)空間特征信息的約束，使得特征編碼不僅具有整體稀疏性，并且保留了空間特征信息。仿真實(shí)驗(yàn)結(jié)果表明：基于子空間學(xué)習(xí)和稀疏編碼的高光譜影像地物分類算法能夠大大提高分類精度，并減少時(shí)間。
　　2.提出了一種基于稀疏低秩回歸的高光譜影像地物分類方法。該算法把高光譜影像數(shù)據(jù)投影到線性鑒別分析的子空間里，在子空間里做組Lasso回歸，充分利用了高光譜影像數(shù)據(jù)的類別信息，使高維數(shù)據(jù)經(jīng)過低維映射后

3、具有較好的可分性，挖掘高光譜影像數(shù)據(jù)的全局結(jié)構(gòu)和內(nèi)部本質(zhì)。所以該算法能夠得到較高的分類精度。在實(shí)際高光譜數(shù)據(jù)集上進(jìn)行的仿真實(shí)驗(yàn)驗(yàn)證了該算法的性能。
　　3.提出了一種基于虛擬標(biāo)簽回歸的半監(jiān)督高光譜影像地物分類方法。半監(jiān)督分類方法能充分利用無標(biāo)記樣本，有效的克服樣本標(biāo)記不足的問題。但是無標(biāo)記樣本一旦被錯(cuò)誤分類，這種錯(cuò)誤在后續(xù)標(biāo)記傳遞過程中將會被延續(xù)甚至擴(kuò)大。該算法通過隨機(jī)游走獲取虛擬標(biāo)簽，虛擬標(biāo)簽?zāi)軌驒z測出高光譜影像數(shù)據(jù)的異常值和半