半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應用.pdf

1、高光譜遙感影像是含有光譜、空間以及輻射信息的光譜空間,它是由通過衛(wèi)星探測到的地面物體的光譜特征圖片所組成的。而高光譜遙感影像分類過程是將圖像中的樣本數(shù)據(jù)進行分類,目的則是通過圖像樣本數(shù)據(jù)的分類而將圖像空間分類為各地物范圍空間。目前,高光譜遙感影像已越來越多地應用于海洋遙感等諸多領(lǐng)域。然而,由于高光譜數(shù)據(jù)相鄰波段相關(guān)性強及光譜維數(shù)高的特點,傳統(tǒng)的樣本分類方法容易由于操作數(shù)據(jù)量過大且分類鑒別性較差而無法獲得理想的分類結(jié)果,進而陷入“維數(shù)災難

2、”現(xiàn)象之中。因此,如何從大量高光譜遙感影像數(shù)據(jù)中提取出對樣本分類有用的信息,進而提高影像的樣本分類精度,成為高光譜影像分類的一個主要研究目標。本文根據(jù)高光譜影像的特點,在現(xiàn)有維數(shù)約簡和分類方法的基礎(chǔ)上,主要做了如下研究工作:
　?、賹S數(shù)約簡問題做了詳細的工作。本文回顧了維數(shù)約簡算法的發(fā)展歷程,在現(xiàn)有流形降維算法中選擇較為常用的鄰域保持嵌入(NPE)算法,即在降維的同時保持樣本周圍的局部流形結(jié)構(gòu),在NPE算法的基礎(chǔ)上提出半監(jiān)督鄰域

3、保持嵌入(SSNPE)算法。SSNPE算法在保持樣本周圍的流形結(jié)構(gòu)的基礎(chǔ)上同時利用了標記樣本和未標記樣本,即同時利用了同類標記樣本和鄰域未標記樣本,然后通過增加近鄰標記樣本的權(quán)重加大降維數(shù)據(jù)的鑒別性。SSNPE算法是半監(jiān)督算法,在一定程度下解決了高光譜遙感影像標記樣本不足的問題及加大了數(shù)據(jù)樣本的鑒別性。
　　②對高光譜遙感影像的分類方法做了詳細的工作。本文介紹了常用的高光譜遙感影像分類方法,在SSNPE維數(shù)約簡的基礎(chǔ)上,選擇了K近

4、鄰(KNN)分類方法對降維數(shù)據(jù)進行分類過程運算,即通過比較目標樣本與不同類的樣本之間的距離來確定目標樣本本身類別的方法。通過常用高光譜影像分類方法的分類,即BP神經(jīng)網(wǎng)絡(luò)、支持向量機(SVM)、KNN等分類方法對樣本數(shù)據(jù)的分類,驗證了SSNPE算法維數(shù)約簡的必要性,既減少了數(shù)據(jù)集數(shù)據(jù)的計算量又增加了數(shù)據(jù)的鑒別性。
　?、郜F(xiàn)有的分類方法多是監(jiān)督和非監(jiān)督方法,本文在KNN分類方法的基礎(chǔ)上提出半監(jiān)督K近鄰(SSKNN)算法,實現(xiàn)了SSNP